选择性直推式迁移学习 | |
沈杰; 刘解放; 杭文龙; 梁爽 | |
刊名 | 计算机工程与设计 |
2017 | |
文献子类 | 期刊论文 |
英文摘要 | 针对现有迁移学习中源域和目标域具有分布不一致数据的问题,通过采用了一种选择性最大均值偏差度量方法,利用源域中部分相关数据子集用于构建迁移知识,提出了选择性的直推式迁移学习方法(Selective Transductive Transfer Learning, STTL)。STTL方法选出了与目标域分布相似的数据用于迁移学习,避免了使用不相关源域数据带来的负迁移效应,实现了标签数据不足情况下目标域数据的有效建模。实验结果表明,所提方法在模拟和真实数据集上的实验精度优于其他方法。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.siat.ac.cn:8080/handle/172644/11593] |
专题 | 深圳先进技术研究院_集成所 |
作者单位 | 计算机工程与设计 |
推荐引用方式 GB/T 7714 | 沈杰,刘解放,杭文龙,等. 选择性直推式迁移学习[J]. 计算机工程与设计,2017. |
APA | 沈杰,刘解放,杭文龙,&梁爽.(2017).选择性直推式迁移学习.计算机工程与设计. |
MLA | 沈杰,et al."选择性直推式迁移学习".计算机工程与设计 (2017). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论