【迁移学习】域对抗迁移网络 DANN

论文地址：Domain-Adversarial Training of Neural Networks（2015）
在深度学习任务中，数据集的差异性对模型的性能产生重要影响。为了解决这一问题，迁移学习成为一种有效的方法，利用源域（来自其他用户的数据或知识）来帮助目标域（新用户）进行学习。

深度预适应概述

深度域适应是一种常见的迁移学习子领域，主要关注的是领域适应问题。在域适应中，通常假设源领域和目标领域具有相同的样本空间，但数据分布不同。这导致了域适应问题的挑战。在这里插入代码片

根相深度神经网络在域适应方法中发的不同作用，深度域活应方法可以分为四类：基于领域分布美异的方、基于对抗的方法、基于重构的方法、基于样本生成的方法，四类深度域活应方法的基本待点列于在这里插入代码片表中。

域对抗迁移网络DANN

DANN结构主要包含3个部分

• 特征提取器 (feature extractor)： 图示绿色部分，用来将数据映射到特定的特征空间，使标签预测器能够分辨出来自源域数据的类别的同时，域判别器无法区分数据来自哪个域。
• 标签预测器 (label predict