重庆大学发布最新《迁移自适应学习十年进展》综述论文，26页pdf333篇文献

题目： Transfer Adaptation Learning: A Decade Survey

摘要： 我们看到的世界是不断变化的，它总是随着人、事物和环境的变化而变化。域（domain）是指在某一时刻的世界状态。当研究问题需要不同时刻之间的知识对应时，其特征是域迁移自适应。传统的机器学习旨在通过最小化训练数据的正则化经验风险来寻找测试数据风险最小的模型，而训练数据和测试数据具有相似的联合概率分布。迁移自适应学习的目的是通过从语义相关但分布不同的源域学习知识，建立能够执行目标域任务的模型。这是一个越来越有影响力和重要性的充满活力的研究领域。本文综述了近年来在迁移自适应学习方法和潜在基准方面的研究进展，迁移自适应学习的研究人员面临着更广泛的挑战，即，instance re-weighting adaptation， feature adaptation，classifier adaptation，deep network adaptation，和adversarial adaptation，均超出了早期的半监督和无监督情况。这篇工作为研究人员更好地了解和确定该领域的研究现状、挑战和未来方向提供了框架。

作者： Lei Zhang,重庆大学微电子与通信工程学院研究员，博士生导师，重庆市生物感知与智能信息处理重点实验室副主任，LiVE智能学习与视觉团队负责人（http://www.leizhang.tk）, IEEE Senior Member。主要聚焦于迁移学习服务于深度学习以及开放环境下的视觉分析问题。以第一或通讯在IEEE TIP/TNNLS/TMM/TCYB/TSMCA/TIM等期刊发表论文48篇、在 ICCV/AAAI/ACM MM/ACCV等会议上发表论文30余篇，出版英文专著1部，授权专利10项，多篇论文入选ESI高被引论文，Google Scholar引用1500余次。担任TPAMI/TIP/TNNLS/TMM/TCSVT等50余个期刊和AAAI/ICLR/CVPR/ICCV/IJCAI等多个会议的审稿，主持国家自然科学基金、重庆市重点研发子课题等项目10余项。曾获CCBR最佳论文奖、香江学者奖、黄尚廉院士青年创新奖、教育部学术新人奖、重庆市优博等。入选重庆大学百人计划，重庆市学术带头人后备人选、重庆市高层次人才计划—青年拔尖人才。

研究方向： 机器学习、计算机视觉、模式识别、信号处理

个人主页： http://www.leizhang.tk/