直播 | ICML 2021论文解读:满足隐私保护要求的去中心化无监督域迁移范式
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和交流可能会让知识的传播更加有意义,从而产生更大的价值。
本期 AI Drive,我们邀请到浙江大学计算机学院博士生冯浩哲,为大家在线解读其发表于 ICML 2021 的最新工作:KD3A: Unsupervised Multi-Source Decentralized Domain Adaptation via Knowledge Distillation。对本期主题感兴趣的小伙伴,7 月 13 日(周二)晚 7 点,我们准时相约 PaperWeekly B 站直播间。
直播信息
传统的无监督多源域适应方法假设所有源域都可以直接访问。然而,该假设忽略了隐私保护政策,即所有数据和计算都必须在本地进行。在隐私保护要求下进行域迁移存在三个挑战:首先,最小化域间距离需获取源域和目标域的数据并进行成对计算,而源域数据不可获取。其次,通信成本和隐私安全限制了现有域迁移方法的应用,例如域对抗训练。最后,由于无法控制源域数据质量,更易出现不相关或恶意的源域,从而导致负迁移。
为解决上述问题,我们提出一种满足隐私保护要求的去中心化无监督域迁移范式,称为基于知识蒸馏的去中心化域适应(KD3A),通过对不同源域的模型进行知识蒸馏来进行知识迁移。大量实验表明,KD3A 显著优于其他前沿域迁移方法。此外,与其他去中心化的域迁移方法相比,KD3A 对负迁移具有鲁棒性,并可将通信成本降低 100 倍。
论文标题:
KD3A: Unsupervised Multi-Source Decentralized Domain Adaptation via Knowledge Distillation
论文链接:
https://arxiv.org/abs/2011.09757
代码链接:
https://github.com/FengHZ/KD3A
本次分享的具体内容有:
背景介绍:现有无监督多源域适应 方法的基本范式
研究动机:隐私保护法案简介,法案约束下域迁移方法存在的三个挑战
相关工作:联邦对抗域迁移,无源 (Source-free) 域迁移
方法实现:基于知识蒸馏的去中心化域适应方法
理论分析:算法实现与泛化误差界
实验结果:域适应精度,对负迁移的鲁棒性分析,通信成本分析
总结:论文总结,开源代码介绍与未来展望
嘉宾介绍
冯浩哲 / 浙江大学博士生
冯浩哲, 浙江大学计算机学院 CAD&CG 国家重点实验室三年级博士生,导师陈为教授。主要研究方向为迁移学习,无监督表征学习,以及隐私保护的模型训练。以第一作者身份在 AAAI /ICML /TKDE 上发表多篇论文,个人主页为www.fenghz.xyz/about.
直播地址 & 交流群
本次直播将在 PaperWeekly B 站直播间进行,扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后,嘉宾还将在直播交流群内实时 QA,在 PaperWeekly 微信公众号后台回复「AI Drive」,即可获取入群通道。
B 站直播间:
https://live.bilibili.com/14884511
合作伙伴
????
现在,在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。
直播 | ICML 2021论文解读:满足隐私保护要求的去中心化无监督域迁移范式相关推荐
- 直播 | ICML 2021论文解读:对神经网络中层特征复杂度的解释与拆分
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
- 今晚直播 | ICML 2021论文解读:基于Cox-MLP模型的二阶段共形预测
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
- 直播 | ICML 2021论文解读:具有局部和全局结构的自监督图表征学习
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
- 直播 | ACL 2021论文解读:表征与结构兼备,结构化语言模型R2D2
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
- 【论文笔记】SIFA——基于GAN的双向跨模态无监督域适应框架
本文是论文<Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Featu ...
- 直播 | KDD 2021论文解读:基于协同对比学习的自监督异质图神经网络
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
- 直播 | ACL 2021论文解读:基于对抗学习的事件抽取预训练模型
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
- 直播 | WWW 2021论文解读:基于隐私保护的模型联邦个性化
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
- 今晚直播 | NeurIPS 2021论文解读:基于置信度校正的可信图神经网络
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和 ...
最新文章
- asp.net mvc 与 asp.net结合(asp.net mvc 技巧)
- PowerDesigner导入SQL生成数据模型
- 台湾国立大学郭彦甫Matlab教程笔记(16) 数值微分 numerical differentiation
- h5 手风琴效果_小程序-实现折叠面板-手风琴效果
- java bitset_Java BitSet or()方法与示例
- windows系统磁盘使用记录(自用)
- Jfinal集成Spring
- android sqlite联合,在联合查询中,Android SQLiteorder by 计算列_sql_开发99编程知识库...
- 事件对象以及事件委托(pink老师笔记)
- QT 如何在QPushButton上加载gif动图
- 新手学计算机剪辑,视频剪辑软件入门推荐!最适合初学者的四大软件!手机电脑都可以...
- python如何求p值_在python中计算F分布p值?
- java实现学生信息管理系统
- 3-8 如何使用图片 CDN 优化图片
- 模拟卷Leetcode【普通】1109. 航班预订统计
- 优思学院|什么是六西格玛?一文解答你对六西格玛最常见的疑问
- 在Coursera,随时都是学习的好时候
- 对反病毒产品你应该知道的几个事实
- accomplish、complete、finish、achieve和fulfill
- 程序语言中花括号写法——手写or手敲代码
热门文章
- matlab朴素贝叶斯手写数字识别_TensorFlow手写数字识别(一)
- 【windows7】解决IIS 80端口占用问题(亲测)
- java list按照元素对象的指定多个字段属性进行排序
- 【原创】backbone1.1.0源码解析之Events
- Sqlite数据库相关
- MongoDB只查询一个字段
- WPF ControlTemplate TemplateBinding
- 手风琴html例子,jquery实现简单手风琴菜单效果实例
- linux路由修改密码,Linux中修改Mysql root用户密码的方法
- wdcp+定时运营php_wdcp设置计划任务