基于迁移学习的异构数据目标识别

打开文本图片集

一、前言

在目前信息爆炸的互联网时代，各个领域都急需对数据进行分析和挖掘来获得需要的信息。传统机器学习（Traditional Machine Learning）[1] 能很好地解决许多分类问题，为数据的分析和挖掘带来便利，然而做出过多的假设也使得传统机器学习的适用条件变得苛刻。如何解决假设条件之外的分类问题变得越来越热门，基于学习的迁移和需要完成的任务之间存在一定的关联性[2]，迁移学习（Transfer Learning）越来越受到人们的重视，其思想源自 NIPS-1995 会议的 learning to learn 专题研讨会 [3]。（剩余3353字）