《表1 不同算法随样本量变化时计算耗时》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于变权重迁移学习的BN参数学习算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

/s

在目标域样本数量为小数据集（1～35组）的条件下，使用MLE、MAP、CML、LP和DWTL算法学习W节点参数。实验结果采用KL距离进行度量，进行了15次参数学习实验后结果如图3所示。为了显示方便，此处对KL距离作对数处理，形成相应的分贝值（d B），以此来衡量学习方法的学习精度。图4是目标域样本量为1～35组条件下对应的五种参数学习算法KL的线箱图。图5为1～35组样本下不同平衡系数值下基于迁移学习的BN参数学习算法KL距离对比。图6为目标域样本量为300组条件下，本文算法与传统BN参数学习算法的KL距离对比。表1为五种算法在样本量为1、10、20、30、35组情况下学习算法的耗时情况。