도메인 일반화(DG) 작업에서는 환경에 따라 도메인의 분포가 지속적으로 변화할 때 이러한 변화와 모델에 미치는 영향을 정확하게 포착하는 방법이 매우 중요하면서도 매우 어려운 문제입니다. 이를 위해 에모리대학교 조량(Zhao Liang) 교수팀은 재귀 네트워크를 이용해 시간 차원 영역 분포의 드리프트를 학습하고 동적 신경망과 그래프 생성 기술을 결합해 표현력을 극대화하는 베이지안 이론을 기반으로 한 시간 영역 일반화 프레임워크 DRAIN을 제안했다. 모델의 능력을 활용하여 향후 미지의 분야에 대한 모델 일반화 및 예측을 달성합니다. 이 작품은 ICLR 2023 Oral(승인된 논문 중 상위 5%)에 선정되었습니다.
위 내용은 드리프트 인식 동적 신경망의 축복으로 시간 영역 일반화의 새로운 프레임워크는 영역 일반화 및 적응 방법을 훨씬 능가합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!