主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
庄福振,罗平,何清,史忠植.迁移学习研究进展.软件学报,2015,26(1):26-39
迁移学习研究进展
Survey on Transfer Learning Research
投稿时间:2014-02-21  修订日期:2014-03-31
DOI:10.13328/j.cnki.jos.004631
中文关键词:  迁移学习  相关领域  独立同分布  生成模型  概念学习
英文关键词:transfer learning  related domain  independent and identical distribution  generative model  concept learning
基金项目:国家自然科学基金(61473273, 61473274, 61175052, 61203297); 国家高技术研究发展计划(863)(2014AA015105, 2013AA01A606, 2012AA011003)
作者单位E-mail
庄福振 中国科学院智能信息处理重点实验室(中国科学院 计算技术研究所), 北京 100190 zhuangfz@ics.ict.ac.cn 
罗平 中国科学院智能信息处理重点实验室(中国科学院 计算技术研究所), 北京 100190  
何清 中国科学院智能信息处理重点实验室(中国科学院 计算技术研究所), 北京 100190  
史忠植 中国科学院智能信息处理重点实验室(中国科学院 计算技术研究所), 北京 100190  
摘要点击次数: 7749
全文下载次数: 6218
中文摘要:
      近年来,迁移学习已经引起了广泛的关注和研究.迁移学习是运用已存有的知识对不同但相关领域问题进行求解的一种新的机器学习方法.它放宽了传统机器学习中的两个基本假设:(1) 用于学习的训练样本与新的测试样本满足独立同分布的条件;(2) 必须有足够可利用的训练样本才能学习得到一个好的分类模型.目的是迁移已有的知识来解决目标领域中仅有少量有标签样本数据甚至没有的学习问题.对迁移学习算法的研究以及相关理论研究的进展进行了综述,并介绍了在该领域所做的研究工作,特别是利用生成模型在概念层面建立迁移学习模型.最后介绍了迁移学习在文本分类、协同过滤等方面的应用工作,并指出了迁移学习下一步可能的研究方向.
英文摘要:
      In recent years, transfer learning has provoked vast amount of attention and research. Transfer learning is a new machine learning method that applies the knowledge from related but different domains to target domains. It relaxes the two basic assumptions in traditional machine learning: (1) the training (also referred as source domain) and test data (also referred target domain) follow the independent and identically distributed (i.i.d.) condition; (2) there are enough labeled samples to learn a good classification model, aiming to solve the problems that there are few or even not any labeled data in target domains. This paper surveys the research progress of transfer learning and introduces its own works, especially the ones in building transfer learning models by applying generative model on the concept level. Finally, the paper introduces the applications of transfer learning, such as text classification and collaborative filtering, and further suggests the future research direction of transfer learning.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利