谱归一化Wasserstein distance迁移网络

• 作者: 林垒城 王孝顺 陈丹
• 来源期刊: 计算机应用研究
• 关键词: Wasserstein distance 迁移学习 Lipschitz约束 谱归一化
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3164-3168
• 页数: 5页
• 分类号: TP399
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.06.0245

摘要

现有的Wasserstein distance在迁移学习中已经取得了巨大的成功,然而,以往方法对Lipschitz约束实施方式不好.为了克服这一问题,提出一种能够学习领域自适应能力的新方法,即谱归一化Wasserstein distance迁移网络(spectral normalization Wasserstein distance transfer network,SNWDTN).该方法首先求出权值矩阵的谱范数,然后利用谱范数再对权值矩阵进行谱归一化处理,以设计出能够满足Lipschitz约束条件的谱归一化层,从而为Wasserstein distance的使用提供更好的约束条件满足.通过公共数据集的实验结果表明,SNWDTN取得了比以往方法更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈丹		27	94	5.0	8.0
2	王孝顺		3	0	0.0	0.0
3	林垒城		1	0	0.0	0.0