소량 목표 정답의 활용
목표 정답이 전혀 없는 적응 방법이 소량의 목표 정답을 충분히 활용한다고 볼 수는 없다. 연구는 이 반지도 조건을 별도로 다루기 위해 적응 가능한 소수 예제 모델을 구성했다.
프로토타입 기반 분류
기본 모델은 특징 인코딩 신경망과 분류 계층으로 이뤄진다. 분류 계층은 특징이 각 클래스의 대표인 프로토타입과 얼마나 비슷한지를 계산한다.
엔트로피의 상반된 최적화
목표 무정답 자료의 조건부 엔트로피를 분류기에 대해서는 최대화한다. 특징 인코더에 대해서는 최소화하며 두 단계를 번갈아 수행해 적응을 학습한다.
비교한 학습 방식
연구는 기존의 특징 정렬과 소수 예제 학습을 포함한 여러 기준 방법과 비교했다. 중심은 목표에 소량의 정답이 있는 조건에서 분류기와 인코더의 역할을 나누는 것이다.
관련 문서
DeCoTa / CDAN / SHOT / Tent 시험 시점 적응 / MCD 도메인 적응 / MCC 도메인 적응