Indexed by：
Abstract：
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.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机应用研究
ISSN： 1001-3695
CN： 51-1196/TP
Year： 2020
Issue： 10
Volume： 37
Page： 3164-3168
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
