Indexed by：
Abstract：
现有的生成对抗网络(Generative Adversarial Networks, GAN)损失函数已经被成功的应用在迁移学习方法中.然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题.为了克服这一问题,提出了一种学习领域不变特征的新方法,即最小二乘迁移生成对抗网络(Least Squares Transfer Generative Adversarial Networks, LSTGAN).LSTGAN采用最小二乘生成对抗网络(Least Squares Generative Adversarial Networks, LSGAN)损失函数,通过单领域判别的训练方式来减少领域分布之间的差异.通过研究表明,所提方法与其他有竞争力的算法相比较具有一定的优越性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机工程与应用
ISSN： 1002-8331
CN： 11-2127/TP
Year： 2019
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： 10
Affiliated Colleges：
