会员服务
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。
KATO: Knowledge Alignment and Transfer for Transistor Sizing of Different Design and Technology
Arxiv
0+阅读 · 4月19日
Federated Transfer Learning with Task Personalization for Condition Monitoring in Ultrasonic Metal Welding
Arxiv
0+阅读 · 4月20日
Automated Long Answer Grading with RiceChem Dataset
Arxiv
0+阅读 · 4月22日
Data-driven Prior Learning for Bayesian Optimisation
Arxiv
0+阅读 · 4月19日
Feature Corrective Transfer Learning: End-to-End Solutions to Object Detection in Non-Ideal Visual Conditions
Arxiv
0+阅读 · 4月19日
Open vocabulary keyword spotting through transfer learning from speech synthesis
Open vocabulary keyword spotting through transfer learning from speech synthesis
Arxiv
0+阅读 · 4月18日
Feature Corrective Transfer Learning: End-to-End Solutions to Object Detection in Non-Ideal Visual Conditions
Arxiv
0+阅读 · 4月17日
Large Language Models on Fine-grained Emotion Detection Dataset with Data Augmentation and Transfer Learning
Arxiv
0+阅读 · 4月9日
OpenTrench3D: A Photogrammetric 3D Point Cloud Dataset for Semantic Segmentation of Underground Utilities
Arxiv
0+阅读 · 4月11日
Initialization Matters for Adversarial Transfer Learning
Arxiv
0+阅读 · 3月30日
Conv-Adapter: Exploring Parameter Efficient Transfer Learning for ConvNets
Arxiv
0+阅读 · 4月12日
Deep transfer learning for intrusion detection in industrial control networks: A comprehensive review
Arxiv
0+阅读 · 4月1日
Minimum-Norm Interpolation Under Covariate Shift
Arxiv
0+阅读 · 3月31日
Open vocabulary keyword spotting through transfer learning from speech synthesis
Arxiv
0+阅读 · 4月5日
Federated Transfer Learning with Differential Privacy
Arxiv
0+阅读 · 4月9日
参考链接
父主题
专知—深度学习：算法到实战
机器学习
子主题
相同技术迁移能力
不同技术迁移能力
微信扫码咨询专知VIP会员
Top