AIGC動態(tài)歡迎閱讀

原標(biāo)題：ICLR 2024 Oral | 應(yīng)對隨時間變化的分布偏移，西安大略大學(xué)等提出學(xué)習(xí)時序軌跡方法
關(guān)鍵字：樣本,數(shù)據(jù),軌跡,時間,方法
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

AIxiv專欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過去數(shù)年，機(jī)器之心AIxiv專欄接收報道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級實驗室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)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(xué)計算機(jī)系博士研究生，本科畢業(yè)于哈爾濱工業(yè)大學(xué)，碩士畢業(yè)于新加坡國立大學(xué)。在王博予教授和凌曉峰院士的指導(dǎo)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(yīng)用的研究。目前已在 ICLR/AAAI/IEEE TNNLS 發(fā)表多篇學(xué)術(shù)論文。
個人主頁：https://hardworkingpearl.github.io/
在現(xiàn)實世界的機(jī)器學(xué)習(xí)應(yīng)用中，隨時間變化的分布偏移是常見的問題。這種情況被構(gòu)建為時變域泛化（EDG），目標(biāo)是通過學(xué)習(xí)跨領(lǐng)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(tǒng)中對未見目標(biāo)域進(jìn)行良好的泛化。然而，由于 EDG 數(shù)據(jù)集中時間戳的數(shù)量有限，現(xiàn)有方法在捕獲演變動態(tài)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(yīng)對隨時間變化的分布偏移，西安大略大學(xué)等提出學(xué)習(xí)時序軌跡方法

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺