跨域不变表征
采用图自编码器嵌入的因果结构学习模块，能在非线性高维数据中捕捉不变表示，提升跨域分类能力。
周旷 · Jiang, Ming · Gabrys, Bogdan · 许勇
IEEE Transactions on Knowledge and Data Engineering 2025
采用图自编码器学习数据中的非线性因果结构，突破了传统线性因果假设的限制。
统一的自编码器目标函数融合重构损失和因果结构学习损失，有效处理高维数据并提取可迁移表示。
学习跨域不变表示，在生成和真实数据集上的跨域分类任务中均优于现有最先进方法。