标签
本文提出了MS-WDRO，一个多源Wasserstein分布鲁棒图学习框架，通过Wasserstein重心融合异构源数据，并最小化最坏情况风险以实现鲁棒的图拓扑推断，在图恢复和诊断效用方面优于基线方法。
GRASP提出一种多源迁移学习方法，顺序合并源模型到单个目标模型，内存占用恒定O(1)，使用基于梯度的参数对齐避免负迁移。实验表明其性能优于集成方法且内存效率更高。