《表1 各种迁移学习方法的举例和描述》
迁移学习是机器学习的一个新方向,它是利用已存在的知识对不同但相关的领域进行训练学习。迁移学习打破了传统机器学习所需满足的条件——训练数据和测试数据独立同分布,以及拥有足够的数据来训练一个好的模型[1]。研究表明,两个不同领域的相似度越高,迁移学习就越容易,效果越好,否则往往效果不佳,甚至出现“负迁移”的结果。迁移学习已经成功应用到多个领域[2],如文本情感分析、图像分类、人类活动识别、软件缺陷分类和多语言文本分类等。表1总结了现有的各种迁移学习方法。
图表编号 | XD0074243900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 杨济海、李号号、彭汐单、张智成、黄倩、李石君 |
绘制单位 | 国网江西省电力有限公司信息通信分公司、武汉大学计算机学院、国网江西省电力有限公司、南瑞集团有限公司、武汉大学计算机学院、武汉大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |