谱归一化Wasserstein distance迁移网络

来源：计算机应用研究杂志2020年第10期北京时间：

作者：王孝顺,陈丹,林垒城,

单位：福州大学电气工程与自动化学院,福州350116；

摘要：现有的Ｗasserstein distance在迁移学习中已经取得了巨大的成功，然而，以往方法对Lipschitz约束实施方式不好。为了克服这一问题，提出一种能够学习领域自适应能力的新方法，即谱归一化Wasserstein distance迁移网络（spectral normalization Wasserstein distance transfer network，SNWDTN）。该方法首先求出权值矩阵的谱范数，然后利用谱范数再对权值矩阵进行谱归一化处理，以设计出能够满足Lipschitz约束条件的谱归一化层，从而为Wasserstein distance的使用提供更好的约束条件满足。通过公共数据集的实验结果表明，SNWDTN取得了比以往方法更好的效果。

关键词：Wassersteindistance,迁移学习,Lipschitz约束,谱归一化,

基金资助：国家自然科学基金资助项目(61673116)；福建省自然科学基金资助项目(2018J01534)；；