会员服务
迁移学习（Transfer Learning）是一种机器学习方法，是把一个领域（即源领域）的知识，迁移到另外一个领域（即目标领域），使得目标领域能够取得更好的学习效果。迁移学习（TL）是机器学习（ML）中的一个研究问题，着重于存储在解决一个问题时获得的知识并将其应用于另一个但相关的问题。例如，在学习识别汽车时获得的知识可以在尝试识别卡车时应用。尽管这两个领域之间的正式联系是有限的，但这一领域的研究与心理学文献关于学习转移的悠久历史有关。从实践的角度来看，为学习新任务而重用或转移先前学习的任务中的信息可能会显着提高强化学习代理的样本效率。
Source-Optimal Training is Transfer-Suboptimal
Arxiv
0+阅读 · 1月6日
Domain Generalization for Time Series: Enhancing Drilling Regression Models for Stick-Slip Index Prediction
Arxiv
0+阅读 · 1月6日
DogFit: Domain-guided Fine-tuning for Efficient Transfer Learning of Diffusion Models
Arxiv
0+阅读 · 1月5日
A Comparative Study of Custom CNNs, Pre-trained Models, and Transfer Learning Across Multiple Visual Datasets
Arxiv
0+阅读 · 1月5日
Perch 2.0: The Bittern Lesson for Bioacoustics
Arxiv
0+阅读 · 1月5日
Tessellation Localized Transfer learning for nonparametric regression
Arxiv
0+阅读 · 1月2日
Transfer-learned Kolosov-Muskhelishvili Informed Neural Networks for Fracture Mechanics
Arxiv
0+阅读 · 1月1日
evTransFER: A Transfer Learning Framework for Event-based Facial Expression Recognition
Arxiv
0+阅读 · 2025年12月31日
Transfer learning of state-based potential games for process optimization in decentralized manufacturing systems
Arxiv
0+阅读 · 2025年12月30日
Le Cam Distortion: A Decision-Theoretic Framework for Robust Transfer Learning
Arxiv
0+阅读 · 2025年12月29日
Predicting Mycotoxin Contamination in Irish Oats Using Deep and Transfer Learning
Arxiv
0+阅读 · 2025年12月23日
Cross-Semantic Transfer Learning for High-Dimensional Linear Regression
Arxiv
0+阅读 · 2025年12月25日
Attractor learning for spatiotemporally chaotic dynamical systems using echo state networks with transfer learning
Arxiv
0+阅读 · 2025年12月21日
DogFit: Domain-guided Fine-tuning for Efficient Transfer Learning of Diffusion Models
Arxiv
0+阅读 · 2025年12月24日
Reluctant Transfer Learning in Penalized Regressions for Individualized Treatment Rules under Effect Heterogeneity
Arxiv
0+阅读 · 2025年11月11日
参考链接
微信扫码咨询专知VIP会员
Top