首页|同构迁移学习理论和算法研究进展

同构迁移学习理论和算法研究进展

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
迁移学习的目的是解决目标领域中训练样本不足的学习问题,可以把一些在其他相关的源领域中获得的知识,迁移到目标领域中.它放宽了传统机器学习中的两个基本假设: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;必须有足够可利用的训练样本才能学习得到一个较好的分类模型.按照源领域和目标领域的特征空间是否相同可划分为同构迁移学习和异构迁移学习.本文主要针对同构迁移学习的相关研究进展进行了综述,从理论、算法、应用方面介绍了在该领域所做的研究工作,并指出了同构迁移学习未来可能的研究方向.
A survey on theories and algorithms about homogeneous transfer learning

李茂莹、杨柳、胡清华

展开 >

天津大学智能与计算学部,天津,300350

同构迁移学习 机器学习 领域适应

国家自然科学基金重点项目国家自然科学基金青年项目

6173201161702358

2019

南京信息工程大学学报
南京信息工程大学

南京信息工程大学学报

CSTPCD
影响因子：0.737
ISSN：1674-7070
年,卷(期)：2019.11(3)
  • 15
  • 1