Key points are not available for this paper at this time.
ベイズ的学習原則(BayesMSDA)に基づいて、本論文は新しいマルチソースドメイン適応フレームワークを提案します。このフレームワークでは、一つのターゲットドメインと複数のソースドメインが使用されます。このフレームワークでは、ターゲットデータポイントのラベルは、その後方確率に基づいて決定され、これはベイズの公式を使用して計算されます。このフレームワークを実現するために、ラプラス行列に基づくターゲットドメインの新しい事前分布と、データポイントのk最近傍を使用して動的に取得される新しい尤度が定義されます。ターゲットドメインからのラベル付きデータが得られず、ほとんどがソースドメインからのものである状況に焦点を当てています。合成データと実データに関する実験は、我々のフレームワークが良好な性能を持つことを示しています。
Sun et al. (Mon,) はこの問題を研究しました。
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: