迁移学习研究进展

Submit Time: 2016-05-03

Author: 庄福振 1 ; 何清 1 ;

Abstracts

近年来，迁移学习已经引起了广泛的关注。迁移学习是运用已存有的知识对不同但相关领域问题进行求解的新的一种机器学习方法。传统机器学习基于两个基本假设：(1) 用于学习的训练样本与新的测试样本满足独立同分布的条件；(2) 必须有足够可利用的训练样本才能学习得到一个好的分类模型。迁移学习降低了要求，目的是迁移已有的知识来解决目标领域中仅有少量或没有有标签样本数据时的学习问题。本文对迁移学习算法以及相关理论研究进展进行了综述，并介绍了我们在该领域所做的研究工作，特别是利用生成模型在概念层面建立迁移学习模型。最后指出了迁移学习下一步可能的研究方向。

Download

Comment Hits:74144 Downloads:13852

Subject: Computer Science >> Computer Application Technology

Keywords: 迁移学习; 独立同分布; 生成模型;

Cite as: chinaXiv:201605.00569 (or this versionchinaXiv:201605.00569V1)

Recommended references：庄福振,何清.(2016).迁移学习研究进展.[ChinaXiv:201605.00569] (Click&Copy)

Version History
[V1]	2016-05-03 18:03:42	chinaXiv:201605.00569V1	Download

Related Paper

1. 人工智能在匿名网络追踪中网站指纹的应用综述 2023-05-30

2. 基于规则的知识图谱推理研究综述 2023-05-22

3. Copula熵：理论和应用 2023-05-19

4. 基于GAN+XGBoost+LR的个性化推荐方法 2023-05-16

5. 基于ChatGPT的用户图书评分偏好预测研究 2023-05-12

6. DASICS-安全处理器设计白皮书 2023-04-18

7. 对人工智能大模型能力边界的初探和一种新的AGI实现途径 2023-04-18

8. DASICS-安全处理器设计白皮书 2023-04-18

9. DASICS-安全处理器设计白皮书 2023-04-17

10. 抗不可信参与者的安全两方比较 2023-04-08

Download

Current Browse

New| Recent | 201605

Change Subject Browse

Computer Application Technology

Cross Subject Browse

- NO


Public comments Anonymous comments Send only to author


Public comments Anonymous comments Send only to author