ICLR 2024 Oral | 應對隨時間變化的分布偏移，西安大略大學等提出學習時序軌跡方法

AIGC動態歡迎閱讀

原標題：ICLR 2024 Oral | 應對隨時間變化的分布偏移，西安大略大學等提出學習時序軌跡方法
關鍵字：樣本,數據,軌跡,時間,方法
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文作者曾秋皓，加拿大西安大略大學計算機系博士研究生，本科畢業于哈爾濱工業大學，碩士畢業于新加坡國立大學。在王博予教授和凌曉峰院士的指導下，博士期間主要圍繞隨時間變化的分布的問題展開理論、方法和應用的研究。目前已在 ICLR/AAAI/IEEE TNNLS 發表多篇學術論文。
個人主頁：https://hardworkingpearl.github.io/
在現實世界的機器學習應用中，隨時間變化的分布偏移是常見的問題。這種情況被構建為時變域泛化（EDG），目標是通過學習跨領域的潛在演變模式，并利用這些模式，使模型能夠在時間變化系統中對未見目標域進行良好的泛化。然而，由于 EDG 數據集中時間戳的數量有限，現有方法在捕獲演變動態和避免對稀疏時間戳的過擬合方面遇到

原文鏈接：ICLR 2024 Oral | 應對隨時間變化的分布偏移，西安大略大學等提出學習時序軌跡方法

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺