Краткое содержание

arXiv:2503.11217v3 Тип объявления: замена Аннотация: Универсальная адаптация доменов (UniDA) ставит целью перенос знаний из размеченного исходного домена в неразмеченный целевой домен, даже когда их классы не полностью совпадают. Существует мало специализированных методов UniDA для временных рядов (ВР), которые остаются сложным случаем. В общем, подходы UniDA выравнивают образцы общих классов и обнаруживают неизвестные целевые образцы из новых классов. Такое обнаружение часто является результатом пороговой обработки метрики различимости. Значение порога, как правило, является либо настраиваемым гиперпараметром, либо фиксированной величиной, что ограничивает способность модели адаптироваться к новым данным. Более того, метрики различимости демонстрируют излишнюю уверенность для неизвестных образцов, что приводит к ошибкам классификации. В данной статье представлен UniJDOT, метод на основе оптимального транспорта, который учитывает неизвестные целевые образцы в стоимости переноса. Наш метод также предлагает объединенное пространство решений для повышения различимости модуля обнаружения. В