迁移学习概念

最新推荐文章于 2024-08-13 10:09:13 发布
最新推荐文章于 2024-08-13 10:09:13 发布
阅读量59 收藏
点赞数
文章标签： 迁移学习 人工智能 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_56848903/article/details/134892710
版权

本文仅用于自我学习，详细内容请看【精读文献】迁移学习之域自适应前沿论文带读-1_哔哩哔哩_bilibili

目录

1. 什么是迁移学习

2. 核心思想

​编辑3. 基本概念

4. 领域自适应（Domain Adaptation） DA

 5. 方法讲解

1. 什么是迁移学习

通过减少源域数据和目标域数据之间的分布差异，进行知识迁移，从而完成学习任务。

2. 核心思想

找到不同域之间的相关性，进行有效的知识迁移。

3. 基本概念

  • 域：由数据分布和特征分布组成，是学习的主体。
    • 源域：已有知识的域。
    • 目标域：要进行学习的域。
  • 任务：由目标函数和学习结果组成，是学习的结果。

4. 领域自适应（Domain Adaptation） DA

  • 问题定义：有标签的源域和无标签的目标域共享相同的特征和类别，但特征分布不用，如何利用源域标定目标域。

可以看到上面图片中的内容虽然属于同一种类，但是有特征分布有明显的不同。

  • 按照目标域有无标签分类：
    • 目标域全部有标签：supervised DA
    • 目标域有一些标签：semi-supervised DA
    • 目标域全没有标签：unsupervised DA
  • 基本假设
    • 数据分布角度：源域和目标域的概率分布相似
      • 最小化概率分布距离
    • 特征选择角度：源域和目标域共享着某些特征
      • 选择出这部分公共特征
    • 特征变换角度：源域和目标域共享某些子空间
      • 把两个域变化到相同的子空间。
  • 解决思路
    • 数据分布：概率分布适配法
    • 特征选择：特征选择法
    • 特征变换：子空间学习法

 5. 方法讲解

 MMD是一种度量距离的方式。

labeled images 是源域，也是Xs，unlabeled images 是目标域Xt。

Gf 特征提取· 

隼灏
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
迁移学习概念简介
qq_34072169的博客
01-14 1443
传统的机器学习过程中，不同的任务会用到不同的机器学习模型，然而迁移学习是针对某一种类型构造的数据也可以运用到另一类型的系统和数据中。 迁移学习是从一个或多个源领域中通过训练该模型，得出有用的知识并将其用在新的目标任务上（未标记的同一类有相似特征的物品或者是未标记的不同类物品）本质是知识的迁移再利用。 迁移学习的目标是从一个或者多个源领域任务中提取有用知识并将其用在新的目标任务上，本质...
人工智能、机器学习、深度学习、强化学习、迁移学习概念辨析
qq_57774704的博客
05-15 2035
总体看 AI>机器学习（ML）>深度学习=强化学习=迁移学习 一、人工智能 ​ 1956年，计算机科学家 John McCarthy提出了“人工智能”的概念，是指在处理任务时具有人类智力特点的机器，包括具有组织和理解语言，识别物体和声音，以及学习和解决问题等能力。 ​ 从人工智能的概念被提出到目前为止，人工智能的研究领域在不断扩大，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。通常将人工智能分为弱人工智能和强人工智能：弱人工智能让机器具备观察和感知.
迁移学习概念、分类及应用
程序猿进化梯
10-10 1278
参考：迁移学习简明手册（已上传到资源） 学习迁移学习，目的就是搞清楚三个问题，迁移学习是什么，为什么用，如何用？ 目录是什么——介绍迁移学习为什么——为什么要用迁移学习、为什么能用怎么办——如何进行迁移 (迁移学习方法) 是什么——介绍迁移学习 为什么——为什么要用迁移学习、为什么能用 怎么办——如何进行迁移 (迁移学习方法) ...
深度学习中的迁移学习介绍
网络资源是无限的
03-21 1万+
迁移学习(Transfer Learning)的概念早在20世纪80年代就有相关的研究，这期间的研究有的称为归纳研究(inductive transfer)、知识迁移(knowledge transfer)、终身学习(life-long learning)以及累积学习(incremental learning)等。直到2009年，香港科技大学杨强教授对迁移学习的研究进行了总结和归纳，迁移学习才开始有了较为完善的框架和基本概念。迁移学习的研究范围和研究领域非常广泛。 推荐学习迁移学习一个非常好的资源：htt
迁移学习（Transfer）
热门推荐
sikh_0529的博客
09-15 9万+
迁移学习(Transfer Learning)是一种机器学习方法，就是把为任务 A 开发的模型作为初始点，重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务，虽然大多数机器学习算法都是为了解决单个任务而设计的，但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。迁移学习对人类来说很常见，例如，我们可能会发现学习识别苹果可能有助于识别梨，或者学习弹奏电子琴可能有助于学习钢琴。
迁移学习概念、优点、策略
m0_37635769的博客
01-20 1万+
一、 迁移学习的概念 迁移学习(Transfer learning) 顾名思义就是把已训练好的模型（预训练模型）参数迁移到新的模型来帮助新模型训练。 迁移学习是一种思想，而不是一种方法。具体而言是将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中。这这种思想下，根据问题不同、领域之间的数据分布假设不同，会有不同的方法。 二、 迁移学习的好处 1、更高的起点：在微调之前，模型的初始性能更高； 2、更高的斜率：训练过程中，模型提升的速率更快； 3、更高的渐进：训练结束后，得到的模型收敛更好。 三
什么是迁移学习？
XavierJ的博客
11-27 3万+
概念 迁移学习（Transfer Learning）是机器学习中的一个名词，是指一种学习对另一种学习的影响，或习得的经验对完成其它活动的影响。迁移广泛存在于各种知识、技能与社会规范的学习中。 迁移学习专注于存储已有问题的解决模型，并将其利用在其他不同但相关问题上。比如说，用来辨识汽车的知识（或者是模型）也可以被用来提升识别卡车的能力。计算机领域的迁移学习和心理学常常提到的学习迁移在概念上有一定关系，但是两个领域在学术上的关系非常有限。 例证 现在的机器学习并不是真正的智能，假如一个人从来没有见过猫，那么这个
什么是迁移学习
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
11-23 1万+
迁移学习是解决数据稀缺、提高模型性能和加快训练进程的有效方法。随着机器学习和人工智能的不断发展，迁移学习在许多领域都显示出巨大的潜力。然而，如何有效地实施迁移学习、选择合适的源任务和处理领域差异仍然是该领域的研究热点。随着技术的进步，预计迁移学习将在未来的人工智能应用中扮演更加重要的角色。
迁移学习简要
kuxingseng123的博客
01-08 2415
慢慢的将迁移学习全部都将其搞完整都行啦的理由与打算。
20180411_迁移学习1
08-08
迁移学习 迁移学习（Transfer Learning）是机器学习领域中的一种技术，目标是将从一个环境中学到的知识用来帮助新环境中的学习任务。其主要思想是将已经训练好的模型参数迁移到新的模型，以帮助新模型的训练。迁移...
python迁移学习
10-21
Python迁移学习是现代人工智能领域中的一个关键概念，它在机器学习项目中扮演着重要的角色，尤其是在数据集小或者标注成本高的情况下。迁移学习利用在大型数据集上预训练的模型，将其知识迁移到新的、相对较小的任务...
tensorflow迁移学习
10-02
**迁移学习概念** 迁移学习的核心思想是，一个在大型数据集（如ImageNet）上训练好的模型已经学会了大量通用的视觉特征，这些特征对于其他类似的任务也有很高的价值。在TensorFlow中，我们可以加载预训练的...
【迁移学习】迁移学习的基本概念与应用
weixin_39372311的博客
08-07 524
迁移学习是一种机器学习技术，旨在将从一个领域中学到的知识应用到另一个相关领域中，以解决目标任务的训练数据不足和模型训练时间过长的问题。首先，在大规模数据集（如ImageNet）上预训练一个深度神经网络，然后将其应用到目标任务中，通过在目标任务数据上继续训练模型，以适应新的任务需求。通过学习一个共享的特征表示，使得在源领域和目标领域的特征分布尽可能一致，从而提升目标任务的性能。特征提取方法是指利用预训练模型的特征提取能力，将其作为固定的特征提取器，然后在提取的特征基础上训练一个新的分类器或回归器。
大模型微调工具-torchtune
weixin_40777649的博客
08-08 1058
1.定义2.安装3. 案例。
根据哈希值或者特征值判断图片是否相同
Y_warmth
08-09 717
detectAndCompute 方法结合了特征检测和描述符计算两个步骤，可以在图像中检测出特征点并计算这些特征点的描述符。ORB（Oriented FAST and Rotated BRIEF）是一种结合了 FAST 特征检测器和 BRIEF 描述符的特征提取算法，具有旋转不变性和尺度不变性，适用于图像特征匹配、目标检测等任务。接着使用 ORB 对象的 detectAndCompute() 方法检测图像中的特征点并计算描述符，最后将特征点绘制在图像上并显示出来。
LangChain与Elasticsearch向量数据库的完美结合
最新发布
python1234_的博客
08-13 1176
在过去的一年中，生成式 AI (Generative AI) 领域取得了显著的进展。许多新的服务和工具应运而生。其中，LangChain 已成为构建大语言模型 (LLM) 应用程序（例如检索增强生成 (RAG) 系统）最受欢迎的框架之一。该框架极大地简化了原型开发，并使开发者能够轻松实验不同的模型和检索系统。最近Elasticsearch将其集成从社区包升级为官方的 LangChain 合作伙伴包。这一升级使得在 LangChain 应用程序中引入 Elasticsearch 功能变得更加简便。
阿里推出视频 AI 生成式框架 Tora，通过轨迹生成视频
qq_57728300的博客
08-13 408
阿里集团推出面向轨迹的视频生成框架 Tora，可以生成精美的视频。
迁移学习：从概念到实践
"迁移学习的概念-jmeter" 迁移学习是机器学习的一个重要分支，其核心思想是利用已在一个领域（源领域）学到的知识，去解决另一个相关但不同的领域（目标领域）的问题。在人工智能和机器学习的框架下，迁移学习旨在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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