域自适应学习
文章平均质量分 91
我和神明画过押
这个作者很懒,什么都没留下…
展开
-
迁移学习(一)
迁移学习综述(一)(学习笔记)A Survey of Recent Adances in Transfer leanning1.引言传统机器学习方法只有在一个共同的假设下才能很好地工作:训练和测试数据都来自相同的特征空间和相同的分布。当分布发生变化时,大多数统计模型需要使用新收集的训练数据从头开始重建。在许多现实的应用程序中,回忆所需的训练数据和重建模型是昂贵的或不可能的。如果能减少重新收集训练数据的需要和工作,那就太好了。在这种情况下,知识转移或任务域之间的迁移学习是可取的。在现实世界中,我们观察原创 2021-01-19 20:43:42 · 787 阅读 · 0 评论 -
迁移学习(二)
迁移学习综述(二)(学习笔记)A Comprehensive Survey on Transfer Learning1.引言迁移学习的目标是利用来自相关领域(称为源领域)的知识,以提高学习性能或最小化目标领域中需要的标记示例的数量。知识转移并不总是对新任务产生积极的影响。如果领域之间几乎没有共同之处,知识转移可能不成功。例如,学习骑自行车并不能帮助我们更快地学习弹钢琴。以往的经验对学习新任务有负面影响的现象被称为负迁移。在迁移学习领域,如果目标学习者受到迁移知识的负面影响,这种现象也称为负迁移。负迁移原创 2021-01-21 14:48:13 · 2382 阅读 · 2 评论