传递迁移学习

传统的迁移学习对源数据和目标数据所在的领域有较强的限制条件，要求样本、特征或者数据间蕴含的关系有较强的相似性。该约束条件是迁移学习的思想基础，但同时也限制了迁移学习的进一步发展和更广泛的应用。因此，研究源数据和目标数据在弱相似性或者是看起来完全“不相似”情境下的传递迁移学习（transitive transfer learning）成为拓宽迁移学习应用范围的关键。

继续阅读：学习   深度   进展

此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 迁移学习最新进展之传递学习和深度学习简介