📊 statistics
Learning When the Concept Shifts: Confounding, Invariance, and Dimension Reduction
यह शोध पत्र एक डेटा-संचालित प्रतिनिधित्व शिक्षण (representation learning) विधि प्रस्तावित करता है जो अपरिवर्तनीय रैखिक उप-स्थानों (invariant linear subspaces) की पहचान करने के लिए स्टिफ़ल मैनिफोल्ड (Stiefel manifold) पर एक गैर-उत्तल उद्देश्य (non-convex objective) को अनुकूलित करता है, जो डोमेन अनुकूलन में अपरिवर्तनीय भ्रमकारी कारकों (unobserved confounding) के कारण होने वाले कॉन्सेप्ट शिफ्ट को प्रभावी ढंग से कम करता है और लक्ष्य जोखिम (target risk) के निकट-इष्टतम स्तर को प्राप्त करता है।