ADAPT:很棒的域适配Python工具箱
@第{Mathelin2021ADAPTA条, title={ADAPT:Awesome Domain Adaption Python工具箱}, author={安托万·德·马特林(Antoine de Mathelin)、弗朗科斯·德海格(Franccois Deheeger)、纪尧姆·理查德(Guillaume Richard)、马蒂尔德·穆杰特(Mathilde Mougeot)和尼古拉·瓦亚蒂斯(Nicolas Vayatis}), 日志={ArXiv}, 年份={2021}, 体积={abs/2107.03049}, 网址={ https://api.semanticscholar.org/CorpusID:235755284 } }
28引文
PyTorch适配器
2022
回归中区域适应的对抗加权
2021
biquality-learn:biquality Learning的Python库
2023
基于差异的领域自适应主动学习
2022
G-KMM:一种涉及多个列车和试验数据集的密度比估计的灵活核均值匹配优化方法
2023
使用基于领域自适应的机器学习改进真实材料特性预测
2023
用于跨物种转录组学数据集成的物种-认知转移学习
2023
51参考文献
基于传输分量分析的域自适应
2011
回归中区域适应的对抗加权
2021