BriefGPT - AI 论文速递
·
基于高斯混合模型和数据集字典学习的在线多源域适应
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种针对在线多源领域适应的转移学习方法，通过高斯混合模型拟合和数据集字典学习，实现了实时适应目标域数据的流。
🎯
关键要点
- 本文介绍了一种针对在线多源领域适应（MSDA）的转移学习方法。
- 该方法旨在将多个异构源域适应到一个连续流的目标域。
- 提出了一种基于高斯测度的 Wasserstein 几何特性的在线高斯混合模型（GMM）拟合方法。
- 结合数据集字典学习的最新进展，提出了一种新的在线 MSDA 策略。
- 在 Tennessee Eastman 流程基准上的实验表明，该方法能够实时适应目标域数据的流。
- 在线 GMM 作为一种内存，代表着整个数据流。
➡️
