{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,11]]，“日期时间”：“2024-03-11T15:40:31Z”，“时间戳”：1710171631003}，“出版商位置”：“查姆”，“参考计数”：21，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“97830348687”，“类型”：”打印“}，{“值”：“9783030348694”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2019,1,1]]，“date-time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，“日期时间”：“2019-01-01T00:00:00Z”，“时间戳”：1546300800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2019]]}”，“DOI”：“10.1007\/978-3030-30-30 34869-4_32“，”type“：”book-chapter“，“created”：{“date-parts”：[[2019,11,25]]，“date-time”：“2019-11-25T00:02:57Z”，“timestamp”：1574640177000}，“page”：“286-294”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“Semi-supvised Multi-category Classification with Generative Adversarial Networks”]，“前缀“”：“10.1007”，“author”：[{“given”：“Reshma”，“family”：“拉斯托吉”，“sequence”：“first”，“affiliation”：[]}，{“fixed”：“Ritesh”，“家族”：“Gangnani”，“序列”：“additional”，“filiance”：[]}，“member”：“297”，“published-online”：{“date-parts”：[2019,11,25]]}；“reference”：[{“key”：”32_CR1“，“unstructured”：“Yosinski，J.、Clune，J.，Bengio，Y.、Lipson，H.：深度神经网络中的特征有多可转移？in:Advances in neural Information Processing Systems，pp.3320\u20133328（2014）”}，{“key”：“32_CR2”，“first page”：《131》，“volume-title”：“Covariate Shift and Local Learning by Distribution Matching”，“author”：“A Gretton”，“year”：“2009”，“unstructured”：“Gretton，A.，Smola，A.，Huang，J.，Schmittfull，M.，Borgwardt，K.，Sch\u00f6lkopf，B.：通过分布匹配进行协变量转移和局部学习，第131\u2013160页。麻省理工学院出版社，剑桥（2009）“}，{”key“：”32_CR3“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“597”，”doi“：”10.1007\/978-3319-46493-0-36“，”volume-title“：“Computer Vision\u2013 ECCV 2016”，”author“：”M Ghifary“，”year“：”2016“，”unstructured“：”Ghifary，M.、Kleijn，W.B.、Zhang，M.和Balduzzi，D.、Li，W.：无监督领域适应的深度重建分类网络。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9908卷，第597\u2013613页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46493-0_36“}，{“问题”：“1”，“关键”：“32_CR4”，“首页”：“2030”，“卷”：“17”，“作者”：“Y Ganin”，“年份”：“2016”，“非结构化”：“Ganin，Y.等人：神经网络的领域专家培训。J.Mach.Learn.Res.17（1），2030\u20132096（2016）”，“日志标题”：“J.Mach-Learn.Res.”}，{“键”：“32_CR5”，“非结构化”：“Zhang，X.，Yu，F.X.，Chang，S.-F.，Wang，S.：深度传输网络：无监督领域适应。CoRR，abs \/1503.00591（2015）“}，{“key”：“32_CR6”，“unstructured”：“Ganin，Y.，Lempitsky，V.：通过反向传播进行无监督域自适应。摘自：机器学习国际会议，第1180\u20131189（2015）页”}，}，“key“：”32_CR7“，”doi-asserted-by“：”crossref“，”unstructure“：”Russo，P.，Carlucci，F.M.，Tommasi，T.，Caputo，B.：从源到目标再到源：对称双向自适应GAN。摘自：IEEE计算机视觉和模式识别会议论文集，第8099\u20138108页（2018）“，”DOI“：”10.1109\/CVPR.2018.00845“}，{“key”：“32_CR8”，“unstructured”：“Goodfellow，I.等人：生成对抗网。摘自：《神经信息处理系统进展》，第2672\u20132680页（2014）“}、{”key“：”32_CR9“，”unstructure“：”Mirza，M.，Osindero，S.：条件生成对抗网。CoRR，abs\/1411.1784（2014）。http://\/arxiv.org\/abs\/1411.1784“}，{“key”：“32_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Tzeng，E.，Hoffman，J.，Saenko，K.，Darrell，T.：对抗性区分域适配。摘自：IEEE计算机视觉和模式识别会议记录，第7167\u20137176页（2017）”，“doi”：“10.1109\/CVPR.2017.316”}32_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhu，J.-Y.，Park，T.，Isola，P.，Efros，A.A.：使用循环一致性对抗网络进行未配对的图像到图像转换。摘自：IEEE计算机视觉国际会议论文集，第2223\u20132232页（2017）“，“DOI”：“10.1109\/ICCV.2017.244”}，{“key”：“32_CR12”，“unstructured”：“Hoffman，J.，et al.：CyCADA：循环一致对抗域适配。摘自：，Dy，J.和Krause，A.（eds.）第35届机器学习国际会议论文集，《机器学习研究论文集》，第80卷。斯托克霍姆斯桑。PMLR，斯德哥尔摩-瑞典，2013年10月15日，2018年7月15日，pp.1989\u20131998（2018）“｝，｛“key”：“32_CR13”，“非结构化”：“Lee，D.-H.：伪标签：深度神经网络的简单高效的半监督学习方法。在：表示学习挑战研讨会。ICML，第3卷，第2页（2013）”｝，｛“key”：“32_CR14”，“非结构化”：“Rasmus，A.、Berglund，M.、Honkala，M.，Valpola，H.、Raiko，T.：阶梯网络半监督学习。In：《神经信息处理系统进展》，第3546\u20133554（2015）页“}，{“key”：“32_CR15”，“unstructured”：“Liu，M.-Y.，Tuzel，O.：耦合生成对抗网络。In：神经信息处理系统进展，第469\u2013477（2016）页”}，}，“key“：”32_CR16“，”doi-asserted-by“：”crossref“，”unstructure“：”Bousmalis，K.，Silberman，N.，Dohan，D.，Erhan，D.Krishnan，D.：生成性对抗网络的无监督像素级域适应。2017 IEEE计算机视觉和模式识别会议（CVPR），pp.95\u2013104（2017）“，“DOI”：“10.1109\/CVPR.2017.18”}，{“key”：“32_CR17”，“unstructured”：“Shu，R.，Bui，H.H.，Narui，H.，Ermon，S.：无监督领域适应的DIRT-T方法。In：学习表征国际会议（2018）.https:\/\/openreview.net\/forum？id=H1q TM AW“｝，｛“key”：“32_CR18”，“doi asserted by”：“crossref”，“nonstructured”：“Haeusser，P.，Frerix，T.，Mordvintsev，A.，Cremers，D.：关联域自适应。在：IEEE国际计算机视觉会议论文集，第2765\u20132773页（2017）”，“doi”：“10.1109\/ICCV.2017.301”｝，｛“key”：“32_CR19”，“nonstructured”：“Chollet，F.，et al.：Keras（2015）“}，{“key”：“32_CR20”，“unstructured”：“Radford，A.，Metz，L.，Chintala，S.：深度卷积生成对抗网络的无监督表征学习。CoRR，abs \/1511.06434（2016）”}，}，“key“：”32_CR21“非结构化”：“Kingma，D.P.，Ba，J.：亚当：随机优化方法。CoRR，vol.abs \/1412.6980（2015）“}]，“container-title”：[“计算机科学课堂讲稿”，“模式识别与机器智能”]，“original-title“：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3030-34869-4_32”，“content-type”：“unspecified”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]存放“：{“date-parts”：[[2024,3,11]]，“date-time”：“2024-03-11T15:15:24Z”，“timestamp”：1710170124000}，“score”：1，“resource”：{主要”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3030-34869-4_32”}，”副标题“：[]，”短标题“：[]，”发布“：{“date-parts”：[2019]]}，‘ISBN’：[”9783030303 48687“，”9783030348694“]，”references-count“：21，”URL“：”http:\/\/dx.doi.org\/10.1007\/978-3-030-34869-4_32“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”值“：”0302-7743“”，”类型“：”打印“}，{”数值“：”1611-33049“，”类型：“电子”}]，”主题“：[]，”发布“：{”日期段“：[2019]]}，“断言”：[{-“值”：“2019年11月25日“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“PReMI”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}}group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“Tezpur”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“India”，“order”：4，“name”：“Conference_country”，“label”：“ConferenceCountry”，“group”：｛“name”：“ConferenceInfo”，“label”：“会议信息“}}，{“value”：“2019”，“order”：5，“name”：“Conference_year”，“label”：“Conference_year”，”group“：{“name”:“ConferenceInfo”，“table”：“会议信息”}}2019年12月20日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：http://www.tezu.ernet.in\/~premi2019\/“，”order“：11，”name“：”conference_url“，”label“：”会议url“，”group“：同行评议信息（由会议组织者提供）“}}，{”value“：”EasyChair“，”order“：2，”name“：”conference_management_system“，”label“：”会议管理系统“，”group“：number_of_submissions_sent_for_review“，”label“：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“131”，“order”：4，“name”:“number_ of_full_papers_accepted”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）38%-该值由等式“接受的完整论文数”/“提交供审查的论文数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”全文接受率“，”group“：ConfEventPeerReviewInformation“，”label“：”同行评议信息（由会议组织者提供）“}}，{“value”：“3”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部审阅者”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同侪审阅信息（由会议组织者提供）”}}，{