提出条件分位数匹配的迁移学习框架

2026年11月3日，arXiv平台发布论文《Transfer Learning Through Conditional Quantile Matching》。该研究提出了一种基于条件分位数匹配的迁移学习框架，旨在利用异构源域提升数据稀缺目标域的回归预测性能。方法通过校准生成响应作为伪标签来增强目标数据，并推导了经验风险最小化的超额风险界。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。