您当前的位置:首页 > 详细浏览

文献详情

迁移学习研究进展

提交时间: 2016-05-03
作者: 庄福振 1 ; 何清 1 ;
作者单位: 1.中国科学院计算技术研究所智能信息处理重点实验室;

内容摘要

近年来,迁移学习已经引起了广泛的关注。迁移学习是运用已存有的知识对不同但相关领域问题进行求解的新的一种机器学习方法。传统机器学习基于两个基本假设:(1) 用于学习的训练样本与新的测试样本满足独立同分布的条件;(2) 必须有足够可利用的训练样本才能学习得到一个好的分类模型。迁移学习降低了要求,目的是迁移已有的知识来解决目标领域中仅有少量或没有有标签样本数据时的学习问题。本文对迁移学习算法以及相关理论研究进展进行了综述,并介绍了我们在该领域所做的研究工作,特别是利用生成模型在概念层面建立迁移学习模型。最后指出了迁移学习下一步可能的研究方向。
点击下载全文 评论 点击量:16163 下载量:5933
推荐引用方式: 庄福振,何清.迁移学习研究进展.[ChinaXiv:201605.00569] (点此复制)
版本历史
[V1] 2016-05-03 18:03:42 chinaXiv:201605.00569V1 下载全文
相关论文推荐

点击下载全文

当前浏览

更改浏览

跨类浏览

  • - 暂无