文献阅读小结_研究生阅读文献小结-CSDN博客

                    
                    题目（时间）问题方法
An Introduction to Image Synthesis with Generative Adversarial Nets （2018）direct methods：基本上都是一个生成器一个判别器，且其结构无分支； iterative methods ：模型中分别有两个生成器和判别器； hierarchical methods：有多个有相似甚至相同结构得生成器，相同结构的生成器可以权重共享。
A Practitioners’ Guide to Transfer Learning for Text Classification using Convolutional Neural Networks(2018)以句子和句子对分类为任务，对参数初始化和多任务学习;DNN可迁移的层有：Embedding (E) layer、 Convolutional © layer、Fully connected hidden (H) layer、 Output (O) layer；对7个数据集进行了传输实验，选取其中3个（ AMZ-5、AMZ-2、YELP-2）作为源数据集，其余3个（ IMDb、MR、SST）作为目标数据集。
A Survey on Transfer Learning(2010)主要针对分类、回归和聚类问题的迁移学习，研究与领域适应、多任务学习和样本选择偏差以及协变移位的关系；根据在源域以及目标域中标签数据的可用性，迁移学习可划分为Inductive Transfer Learning、Transductive Transfer Learning、Unsupervised Transfer Learning.
A Survey on Deep Transfer Learning(2018)基于实例的深度迁移学习是指使用特定的权重调整策略，通过为所选的实例分配适当的权重值，从源域选择部分实例作为目标域训练集的补充；基于映射的深度传输学习是将实例从源域和目标域映射到新的数据空间；基于网络的深度迁移学习是指在源域内对预先训练好的部分网络，包括其网络结构和连接参数，进行重用，使其成为目标域内使用的深度神经网络的一部分；基于对抗性的深度迁移学习是指在生成对抗性网络(GAN)的启发下，引入对抗性技术，寻找既适用于源域又适用于目标域的可转移表示。
基于迁移学习的图像检索算法（2019）传统图像检索的特征提取算法有：１）基于图像的颜色或灰度统计特性进行特征提取；２）基于图像的纹理、边缘特性进行特征提取；３）基于图像的代数特性进行特征提取；４）基于图像的变换系数特性进行特征提取。本文基于迁移学习的图像检索算法，主要分为预处理、构建迁移图、构建拉普拉斯矩阵、生成 图像特征４个部分。
Cross LanguageText Classiﬁcation by Model Translationand Semi-Supervised Learning（2010）利用EM算法从源语言标记文本和目标语言未标记文本中自动学习特征翻译概率的方法。利用特征平移概率，我们可以推导出带有特征平移的目标语言的分类模型。

题目（时间）	问题方法
An Introduction to Image Synthesis with Generative Adversarial Nets （2018）	direct methods：基本上都是一个生成器一个判别器，且其结构无分支； iterative methods ：模型中分别有两个生成器和判别器； hierarchical methods：有多个有相似甚至相同结构得生成器，相同结构的生成器可以权重共享。
A Practitioners’ Guide to Transfer Learning for Text Classification using Convolutional Neural Networks(2018)	以句子和句子对分类为任务，对参数初始化和多任务学习;DNN可迁移的层有：Embedding (E) layer、 Convolutional © layer、Fully connected hidden (H) layer、 Output (O) layer；对7个数据集进行了传输实验，选取其中3个（ AMZ-5、AMZ-2、YELP-2）作为源数据集，其余3个（ IMDb、MR、SST）作为目标数据集。
A Survey on Transfer Learning(2010)	主要针对分类、回归和聚类问题的迁移学习，研究与领域适应、多任务学习和样本选择偏差以及协变移位的关系；根据在源域以及目标域中标签数据的可用性，迁移学习可划分为Inductive Transfer Learning、Transductive Transfer Learning、Unsupervised Transfer Learning.
A Survey on Deep Transfer Learning(2018)	基于实例的深度迁移学习是指使用特定的权重调整策略，通过为所选的实例分配适当的权重值，从源域选择部分实例作为目标域训练集的补充；基于映射的深度传输学习是将实例从源域和目标域映射到新的数据空间；基于网络的深度迁移学习是指在源域内对预先训练好的部分网络，包括其网络结构和连接参数，进行重用，使其成为目标域内使用的深度神经网络的一部分；基于对抗性的深度迁移学习是指在生成对抗性网络(GAN)的启发下，引入对抗性技术，寻找既适用于源域又适用于目标域的可转移表示。
基于迁移学习的图像检索算法（2019）	传统图像检索的特征提取算法有：１）基于图像的颜色或灰度统计特性进行特征提取；２）基于图像的纹理、边缘特性进行特征提取；３）基于图像的代数特性进行特征提取；４）基于图像的变换系数特性进行特征提取。本文基于迁移学习的图像检索算法，主要分为预处理、构建迁移图、构建拉普拉斯矩阵、生成图像特征４个部分。
Cross LanguageText Classiﬁcation by Model Translationand Semi-Supervised Learning（2010）	利用EM算法从源语言标记文本和目标语言未标记文本中自动学习特征翻译概率的方法。利用特征平移概率，我们可以推导出带有特征平移的目标语言的分类模型。