[发明专利]基于数据扩充一致性的领域泛化和领域自适应学习方法

摘要

本发明属于人工智能的机器学习领域，公开了一种基于数据扩充一致性的领域泛化和领域自适应方法，包括以下步骤：S1.根据任务需求，设计基于深度神经网络的预测模型pθ(y|x)，其中θ为模型参数,该模型输出为给定样本x情况下标记y的条件概率分布；S2.根据任务特点，构造数据扩充器，能够实现对样本的变换，同时保持样本的核心内容不变，从而保持变换后样本的真实标记不变；S3.利用原始训练样本和扩充后的样本构造由有监督损失和数据扩充一致性损失组成的多任务损失函数并进行训练，得到pθ*(y|x)；S4.将训练好的模型pθ*(y|x)应用于目标领域测试样本进行预测。本发明是一种简单通用、同时性能良好的领域泛化和领域自适应学习方法，能够更好的解决领域偏移的技术问题。