1、Minimal-entropy Correlation Alignment for Unsupervised Deep Domain Adaptation（ICLR 2018）
在介绍文章之前，先理解下CORAL[1]（CORrelation ALignment ）这个概念，这个概念来自 Return of Frustratingly Easy Domain Adaptation. AAAI 2016这篇文章，个人是超喜欢这篇文章，忍不住把它摘要附上，算是致敬下！！！
看到’frustratingly easy’，以及爱因斯坦名言一放，我不知道你们啥感觉，反正我第一眼感觉是，真能‘装逼’，不过我个人还是超喜欢这种高调的人，请收下我的膜拜，扯远了。回归正题：这篇文章对二阶统计量对齐， 即协方差矩阵对齐—>对源域的协方差矩阵经过线性变换后与域目标域的协方差矩阵对齐，最优美的是论文推导出的闭式解形式。下面附上自己整理的PPT截图：
4行代码的算法，白化，然后重新着色，效果最好，如图c
一、回到这篇论文，文章主要围绕相关对齐correlation alignment 和熵最小化entropy minimization做了一些研究
这里用熵最小化作为超参数⅄的选择，的确非常奇妙，U和V分别是协方差矩阵的特征分解，二阶统计量的确有内在的美，这里还有个实验挺有趣的，也就是用测地线距离时，熵最小，精度也能达到最好，而用欧式距离计算时，却不能保证。