迁移学习中的负迁移问题

      负迁移问题，即指辅助领域任务对目标领域任务有负面效果。目前已有少数工作从算法设计角度对负迁移问题进行研究，主要思想是减少在领域间迁移的知识结构，例如仅在领域间共享模型的先验概率、而不共享模型参数或似然函数[57]。这些工作通过降低知识迁移来避免负迁移，因而难免又陷入“欠迁移”困境；如何权衡欠迁移和负迁移成为主要挑战之一。此外，这类算法难以应对各种假设场景，即如果假设条件变化就需要尝试其他迁移学习模型，应用代价很大。

     负迁移是迁移学习实用化的主要挑战，因为一个没有性能保证的模型难以被实践广泛采用。