- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1 引言 依靠大数据的监督学习模型极其依赖大量人工标注的标签样本.在很多领域内,由于缺乏足够的标签样本训练,模型容易过拟合,在测试时分类精度不理想.简单的数据增强和正则化技术并不能使问题得到完全解决[1].目前,迁移学习与元学习成为解决这类小样本问题的有效方法,它们都是利用先验知识在小样本任务中快速地掌握新的技能. 迁移学习[2]运用已存在的知识对不同但相关领域问题进行求解.当目标域标签样本缺乏时,只要源域和目标域相关,迁移学习就能利用从源域中学习的知识帮助目标域模型进行训练,实现已学习知识在相关领域间的复用和迁移.Pan等[3]将迁移学习方法分为基于样本、基于特征、基于关系以及基于模型四种.
文档评论(0)