迁移学习(Transfer Learning)是一种机器学习方法,是把一个领域(即源领域)的知识,迁移到另外一个领域(即目标领域),使得目标领域能够取得更好的学习效果。迁移学习(TL)是机器学习(ML)中的一个研究问题,着重于存储在解决一个问题时获得的知识并将其应用于另一个但相关的问题。例如,在学习识别汽车时获得的知识可以在尝试识别卡车时应用。尽管这两个领域之间的正式联系是有限的,但这一领域的研究与心理学文献关于学习转移的悠久历史有关。从实践的角度来看,为学习新任务而重用或转移先前学习的任务中的信息可能会显着提高强化学习代理的样本效率。
NLP已成气候 | 极客时间
AI前线
0+阅读 · 2022年3月2日
还没继续,他就走了
待字闺中
0+阅读 · 2018年12月6日
深度学习涉足美妆领域,网红博主要失业?
大数据技术
1+阅读 · 2019年5月24日
这一周,我们迁移学习 | 内有福利
量子位
1+阅读 · 2018年11月12日
“Not Hotdog” 背后的人工智能思考
TechCrunch中国
1+阅读 · 2017年6月29日
微信扫码咨询专知VIP会员