AAAI 2024 | 跨域少样本学习的任务特定预条件器
发布日期:2025-06-08 03:14:22 浏览次数:3 分类:精选文章

本文共 360 字,大约阅读时间需要 1 分钟。

论文信息

标题:Task-Specific Preconditioner for Cross-Domain Few-Shot Learning

中文标题:跨域少样本学习的任务特定预条件器
作者:Suhyun Kang, Jungwon Park, Wonseok Lee, Wonjong Rhee

论文创新点

本文提出了一种新型预条件器适应机制,称为任务特定预条件梯度下降(TSP)。该方法通过构建领域特定预条件器(DSPs),捕获元训练领域的特征,并结合任务系数,构建任务特定预条件器,使优化过程能够根据目标任务的几何特征自适应调整。此外,本文强调了正定性在预条件器中的重要性,并通过理论证明和实验验证,确保任务特定预条件器始终保持正定性。

此外,本文提出了多域知识的整合方法,为跨域学习提供了更强大的特征表达能力。

上一篇:AAAI 2024 | 针对多模态表示偏差的非对称增强
下一篇:AAAI 2024 | 自适应原型回放用于类增量语义分割

发表评论

最新留言

很好
[***.229.124.182]2026年06月23日 13时39分20秒