标签
本文提出用于标签偏移下保形预测的标签偏移调整贝叶斯分数，在分子性质预测中展示了更短的预测区间同时保持覆盖率。
本文探讨了物理学中领域适应的挑战，其中模拟与实验数据在干扰项和标签偏移上存在差异。它提出了自适应领域适应方法，以专注于真实的物理不匹配，并提供了一个模型选择规则。
This paper proposes OSPDIM, a source-free online unsupervised domain adaptation framework for EEG-based BCIs that corrects geometric misalignment caused by class-imbalanced label shifts on the Riemannian manifold, outperforming standard alignment methods in online scenarios.
本文提出了一种局部感知的私有类识别方法，以及一种基于可靠最优传输的方法（ReOT），以解决极端标签偏移下的域适应挑战，特别是区分共享类与私有类。