机构名称：
¥ 1.0
传统的机器学习技术尝试一次解决一个问题。和一些复杂的问题需要大量时间来解决经典的机器学习技术。同样，如果没有足够的有关问题的信息，有时很难获得确切的解决方案。图1显示了传统机器学习技术和转移学习技术之间学习过程的差异。传统的机器学习技术试图从头开始学习每个任务，而转移学习技术则尝试通过一些培训数据将知识从以前的任务转移到新的目标任务（Pan＆Yang，2008）。在现实生活中，人类可以通过在问题领域中使用其过去的经验来轻松解决复杂的问题。转移学习是一种类似人类的学习策略，旨在通过使用从先前解决的相关任务中获得的信息来帮助解决问题和学习机制。转移学习用于许多学习方法（例如神经网络（Murre，1995; Pratt，1993），马尔可夫逻辑网络（Mihalkova，Huynh，＆Mooney，2007; Mihalkova＆Mooney，2006），文本分类（Gupta＆Ratinov，2008），Web PagePage clas-sii ever（line）。转移学习的关键问题是任务相关性。挖掘任务是否与之相关，将信息在其中传输的信息非常重要或如何相关。并确定两个任务之间的转移信息，是否要传输多少信息以及如何传输信息。
遗传转移学习
主要关键词
相关文件推荐
