《表1 同构迁移学习与异构迁移学习对比》
若按特征空间进行分类,迁移学习根据源域与目标域的样本特征空间是否相同可以分为同构迁移学习与异构迁移学习两类[4]。对于同构迁移学习,其源域和目标域的特征空间相同,即它的特征维度是相同的,但是它的特征分布是不同的,具体见表1。实现同构迁移学习需要解决域自适应学习的问题,常用的方法有样例加权域自适应学习、特征表示域自适应学习、参数和特征分解域自适应学习及多源域自适应学习[5];而对于异构迁移学习,其源域和目标域的特征空间、特征维度不同,且其特征分布也不同。为此,实现异构迁移学习需要先解决特征空间对齐的问题,再解决域自适应学习的问题,比同构迁移学习更为复杂。
图表编号 | XD00130916700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 朱应钊 |
绘制单位 | 中国电信股份有限公司智能网络与终端研究院 |
更多格式 | 高清、无水印(增值服务) |