漂移感知动态神经网络加持，时间域泛化新框架远超领域泛化&适应方法

在漂移感知动态神经网络的支持下，时域泛化的新框架远远超过域泛化和自适应方法准确捕捉这种变化及其对模型的影响是一个重要但具有挑战性的问题。为此，埃默里大学赵亮教授团队提出了基于贝叶斯理论的时域泛化框架DRAIN，利用递归网络学习域分布在时间维度上的漂移，同时通过组合动态神经网络和图生成技术最大化模型的表达能力，实现模型在未来未知领域的泛化和预测。这项工作已入选ICLR2023Oral（接受论文中的前5%）。