一
二
三
四
五
迁移学习简介
迁移学习的分类方法
代表性研究工作
问题与展望
迁移学习资源
一
迁移学习简介
• 定义与概念
• 迁移学习 vs 传统机器学习
• 与其他概念的对比
迁移学习将会是引领下一次机器学习热潮的驱动力。——吴恩达,NIPS 2016
• 什么是迁移学习?
– 心理学角度:人们利用之前的经验和知识进行推理和学习的
能力。
– 机器学习角度:一个系统将别的相关领域中的知识应用到本
应用中的学习模式。[DARPA]
– 举例:C++Java;骑自行车骑摩托车
– 关键词:举一反三
• 迁移学习要解决的问题:
– 给定一个研究领域和任务,如何利用相似领域进行知识的迁
移,从而达成目标?
• 为什么要进行迁移学习?
– 数据的标签很难获取
– 从头建立模型是复杂和耗时的
对已有知识的重用是必要的
• 迁移学习 vs 传统机器学习
传统机器学习
迁移学习
数据分布 训练和测试数据同分布
数据标签 足够的数据标注
建模
每个任务分别建模
训练和测试数据不需要同分布
不需要足够的数据标注
可以重用之前的模型
传统机器学习
迁移学习
• 与其他概念的对比
– Life-long learning (终身学习) :连续不断地在一个域上学习
– Multi-task learning (多任务学习):两个任务同时完成
– Domain adaptation (域适配):迁移学习的子类
– Incremental learning (增量学习):一个域上的不断学习
– Self-taught learning (自我学习):从自身数据中学习
– Covariance shift (协方差漂移):迁移学习的子类
– ……
• 迁移学习与其他已有概念相比,着重强调学习任务之间的
相关性,并利用这种相关性完成知识之间的迁移。