logo资料库

迁移学习(中科院计算所).pdf

第1页 / 共51页
第2页 / 共51页
第3页 / 共51页
第4页 / 共51页
第5页 / 共51页
第6页 / 共51页
第7页 / 共51页
第8页 / 共51页
资料共51页,剩余部分请下载后查看
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。
分享到:
收藏