本申请涉及域泛化学习领域,提供一种基于多元神经平均的域泛化学习方法、装置、设备及介质,包括:训练阶段,通过对神经网络进行横向采样和径向采样,并基于精简Jensen‑Shannon散度损失函数和集成智能体多元化度量,对目标域泛化风险上界迭代进行估计和优化,得到优化后的目标域泛化风险上界;测试阶段,通过关闭所述横向采样和所述径向采样,基于所述优化后的目标域泛化风险上界,得到全局优化集成智能体,向所述全局优化集成智能体输入目标域的目标域样本,得到最终预测值。本申请旨在解决现有技术中存在的模型错误设置的风险以及无法兼容多源域与单源域情境的问题。
声明:
“基于多元神经平均的域泛化学习方法、装置、设备及介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)