Domain Generalization via Multidomain Discriminant Analysis 
域的概括（DG）旨在将来自多个源域的知识纳入一个可以很好地概括在看不见的目标域的单个模型中。这个问题在实践中无处不在，因为目标数据的分布可能很少与源数据的分布相同。在本文中，我们建议多域判别分析（MDA）解决一般情况下的分类任务DG ...
0 0 0 2025/02/10 arXiv:1907.11216v1 psyduck1
Domain Generalization by Marginal Transfer Learning 
在域概括（DG）的问题中，来自几个相关预测问题的培训数据集，目标是对学习者不知道的未来未标记的数据集做出准确的预测。由于环境，技术或其他差异来源，数据分布在几种应用中产生了这个问题。我们介绍了DG的正式框架，并认为它可以通过通过特征向量的边际分布来扩大原始特征空间来将其视为一种监督学习问题 ...
0 0 0 2025/02/10 arXiv:1711.07910v3 psyduck1
A Generalization Error Bound for Multi-class Domain Generalization 
域的概括是将标签分配给未标记的数据集的问题，给定了几个提供标签的类似数据集。尽管在过去十年中，对这个问题的兴趣很大，但在多级分类的设置中没有理论分析。在这项工作中，我们研究了一种基于内核的学习算法，并建立了一个概括误差，该误差在类数中以对数进行缩放，在常规学习环境中匹配多个类别分类的最新范围 ...
0 0 0 2025/02/10 arXiv:1905.10392v1 psyduck1
A Meta-Transfer Objective for Learning to Disentangle Causal Mechanisms 
我们建议基于学习者适应稀疏分布变化引起的新分布的速度，例如，例如由于干预措施，代理的行动和其他非平稳性的来源 ...
0 0 0 2025/02/10 arXiv:1901.10912v2 psyduck1
Direct Distillation between Different Domains 
知识蒸馏（KD）旨在利用来自大型预训练的教师网络的知识来学习紧凑的学生网络，在该知识中，两个网络均经过来自同一分布的数据培训。但是，在实际应用中，可能需要学生网络在新方案中执行（即 ...
0 0 0 2025/02/10 arXiv:2401.06826v1 hesy77
SCEdit: Efficient and Controllable Image Diffusion Generation via Skip Connection Editing 
图像扩散模型已用于各种任务，例如文本到图像的生成和可控图像合成。最近的研究引入了调整方法，对原始模型进行细微调整，在基础生成扩散模型的具体调整中产生了有希望的结果。我们没有修改扩散模型的主干，而是深入研究了 U-Net 中跳跃连接的作用，并揭示了跨编码器和解码器聚合长距离信息的分层特征对图像生成的内容和质量产生重大影响 ...
0 0 0 2025/02/10 arXiv:2312.11392v1 tremble
HyperZero: A Customized End-to-End Auto-Tuning System for Recommendation with Hourly Feedback 
现代推荐系统可以广泛分为两个关键阶段：排名阶段，该系统可以预测各种用户参与（例如，点击率（例如速率，速率，关注率，观看时间）和值模型阶段，将这些阶段汇总为通过函数的预测分数（e ...
0 0 0 2025/02/09 arXiv:2501.18126v1 pzh_hust
Real-time Indexing for Large-scale Recommendation by Streaming Vector Quantization Retriever 
构成最重要的建议阶段之一的检索员负责在严格的延迟限制下有效地将可能的阳性样本在后期阶段选择。因此，大型系统始终依靠近似计算和索引来大致收缩候选量表，并具有简单的排名模型。考虑到简单模型缺乏产生精确预测的能力，大多数现有方法主要集中于合并复杂的排名模型 ...
0 0 5 2025/02/09 arXiv:2501.08695v1 pzh_hust

来一起翻译吧！


为了您和其他读者获得更好的阅读体验，请您勇敢地改进翻译，特别是一些显而易见的机器翻译错误。


虽然我们追求卓越，但我们并不要求翻译十全十美，因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译，您不必担心会因为您的失误导致无法挽回的破坏。（改编自维基百科）