域适应性(DA)旨在转移标记良好的源域的知识,以促进未标记的目标学习。当转向特定的任务,例如室内(Wi-Fi)本地化时,必须学习跨域回归剂以减轻域移位。本文提出了一种新颖的方法对抗性双向反应器网络(ABRNET),以寻求更有效的跨域回归模型。具体而言,开发了差异的双向试剂架构,以最大化双向试验的差异,以发现远离源分布的不确定目标实例,然后在特征提取器和双回归器之间采用了对抗性训练机制,以产生域内不变的表示。为了进一步弥合大域间隙,设计了一个特定域的增强模块,旨在合成两个源相似和类似的类似中间域,以逐渐消除原始域的不匹配。对两个跨域回归基准的实证研究说明了我们方法解决域自适应回归(DAR)问题的力量。
translated by 谷歌翻译