首页|深度迁移主动学习研究综述

深度迁移主动学习研究综述

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
深度学习在很多领域中取得显著效果,但是依赖巨量标注样本限制其发展.深度迁移学习和深度主动学习是解决深度学习标注样本不足的两类主流方法,它们各有擅长与不足,两者结合产生深度迁移主动学习.首先在前人基础上对深度迁移学习、深度主动学习重新进行归纳:对深度迁移学习主要从实例迁移和映射迁移两个方面进行总结;对深度主动学习主要从主动学习框架三个主要部分进行总结.然后根据深度迁移学习和深度主动学习结合的"强弱"将深度迁移学习方法归纳为"强结合"和"弱结合"两个类别.最后对深度迁移主动学习中存在的问题和发展趋势进行总结和展望.
Review of Research on Deep Transfer Active Learning

刘大鹏、曹永锋、张伦

展开 >

贵州师范大学数学科学学院,贵阳 550025

贵州师范大学大数据与计算机科学学院,贵阳 550025

深度学习 标注成本 深度迁移学习 深度主动学习 深度迁移主动学习

贵州省科技计划

2021

10.3969/j.issn.1007-1423.2021.10.017

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2021.(10)
  • 4
  • 1