迁移学习综述:A Survey on Transfer Learning(部分知识点整理及扩展)

0 与传统机器学习区别
出自王晋东老师:迁移学习简明手册
1 迁移学习概念
利用数据、任务、或模型之间的相似性,将在旧领域学习过的知识,应用于新领域的一种学习过程。

2 相似性与度量
相似性:找到新问题和原问题之间的相似性是迁移学习的核心,无相似不迁移。
度量:重要手段
"度量"目标一:是很好地度量两个领域的相似性,不仅定性地告诉我们它们是否相似,更定量地给出相似程度。
"度量"目标二:以度量为准则,通过我们所要采用的学习手段,增大两个领域之间的相似性,从而完成迁移学习。

3 迁移学习的必要性
出自王晋东老师:迁移学习简明手册
4 迁移学习定义与相关符号描述
公式比较难打,上手写笔记(尽管字迹不咋地,看看还是能够的,争取后面写的耐看些)。
在这里插入图片描述
5 迁移学习分类
5.1.基于源/目标域,源/目标学习任务的不同情况。迁移学习分类
5.2.迁移学习研究的主要问题:what(内容)/how(算法)/when(是否应该) to transfer?
基于“what to transfer”分类
5.21 基于实例的迁移学习(数据层面
重新对源域中的一些数据进行重加权,以便在目标域中使用。
5.22 基于特征表示的迁移学习(特征层面
基于特征的迁移方法:是指将通过特征变换的方式互相迁移 ,减少源域和目标域之间的差距;或者将源域和目标域的数据特征变换到统一特征空间中。
5.23 基于参数的迁移学习(模型参数层面
从源域和目标域中找到他们之间共享的参数和先验知识。
5.24 基于关系的知识迁移(关系层面
在源域和目标域建立相关的知识映射,两个域是相关域(研究较少)。

6 深度迁移学习:神经网络深度自适应
6.1 深度网络可迁移性
浅层:通用特征
深层:偏向于特定特征
中间:中间几层的特征变换存在很强的依赖性(脆弱的耦合特征)
协同学习,拆开效果不好;
通用特征到专用特征变换的关键位置。
迁移位置的选择很关键
6.2关键性(理解这里非常非常重要)
出自王晋东老师:迁移学习简明手册
**基本准则:**决定自适应层,然后在这些层加入自适应度量,最后对网络进行 finetune。

7 迁移学习 VS 网络自适应
领域自适应问题是迁移学习的研究内容之一,它侧重于解决特征空间一致、类别空间一致,仅特征分布不一致的问题。而迁移学习也可以解决上述内容不一致的情况。

8 绝大多数内容来自

  1. Pan, S. J. and Yang, Q. (2010). A survey on transfer learning. IEEE TKDE, 22(10):1345–1359.
  2. 王晋东老师:迁移学习简明手册

我只是知识的搬运工,外加一丢丢小理解!!!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值