Conformity-based source subset selection for instance transfer

انتقال نمونه به منظور بهبود مدل پیش بینی برای یک دامنه هدف با انتقال داده ها از حوزه های منبع مرتبط انجام می شود. اثربخشی انتقال نمونه به وابستگی داده های منبع به حوزه هدف بستگی دارد. هنگامی که ارتباط داده های منبع محدود است، تنها گزینه این است که زیر مجموعه ای از داده های منبع را انتخاب کنید که مرتبط بودن آن قابل قبول است. در این مقاله، ما سه الگوریتم را معرفی می کنیم که انتخاب قبل از آموزش مدل را انجام می دهند. الگوریتم ها یک آزمون مبتنی بر انطباق را برآورده می کنند که براساس نمونه های فردی یا زیر مجموعه ها به عنوان یک کل مربوط است. آزمایشات انجام شده بر روی چهار مجموعه داده های دنیای واقعی اثربخشی الگوریتم های پیشنهادی را نشان داد. به ویژه، نشان داده شده است که انتخاب زیر مجموعه های آموزشی قبل از آموزش براساس مجموعه ای از ارتباطات، توانایی انتقال تکنیک های انتقال نمونه را دارد.