迁移学习中，大多数关于领域自适应(DA)的研究都集中于如何减小领域间分布的差异。已有的方法绝大多数都围绕着设计更好的分布度量差异来进行迁移；从另一个角度来看，什么样的网络结构适合做领域自适应呢？

本文作者朱勇椿，中国科学院计算技术研究所博士生，研究方向为数据挖掘和迁移学习。

本篇文章从深度神经网络的机构出发，为大家介绍一种适合领域自适应的结构：多表示的领域自适应 (Multi-representation Adaptation Network, MRAN)。这篇文章提出一个简单却有效的方法：在 多个 表示空间中进行领域自适应以达到更好的迁移效果。尽管该方法极为简单，但是效果却非常不错，在多数迁移学习公开数据集（Office-Home, Office31, Image-CLEF）上均有不错的效果。在当下追逐精度刷榜的洪流下，希望这个工作可以启发大家从不同的角度对​迁移学习进行探索。​

这篇文章发表在中科院一区期刊Neural Network 2019上，主要作者团队来自中国科学院计算所与微软亚洲研究院，感兴趣的可以戳链接。

内容中包含的图片若涉及版权问题，请及时与我们联系删除