我们看到的世界是不断变化的咜总是随着人、事物和环境的变化而变化。领域是指世界在某一时刻的状态当不同时刻之间需要知识对应时,一个研究问题被描述为领域转移适应问题传统的机器学习的目的是通过最小化训练数据上的规则化经验风险,找到一个对测试数据期望风险最小的模型但是假設训练数据和测试数据具有相似的联合概率分布。迁移适应学习旨在通过从语义相关但分布不同的源域学习知识建立能够完成目标域任務的模型它是一个充满活力的研究领域,影响力和重要性与日俱增本文综述了迁移适应学习方法和潜在基准的最新进展。转移适应学习研究者面临着更广泛的挑战即实例重加权适应、特征适应、分类器适应、深层网络适应和对抗性适应,这些都超出了早期的半监督和无監督分裂该调查为研究人员提供了一个框架,以便更好地了解和确定该领域的研究现状、挑战和未来方向
Lei Zhang,长期从事人工智能研究昰机器学习领域专家级人物,尤其在迁移学习领域颇有建树在研究过程中,主张机器学习要面向实践面向实际,立志解决当前问题AI必须要有商业驱动,方能足够长远的发展
成为VIP会员查看完整内容