TransferlernenEs handelt sich um eine Methode, bei der vorhandenes Wissen genutzt wird, um neues Wissen zu erlernen. Dabei wird das ursprüngliche Wissen als Quelldomäne bezeichnet und das neu zu erlernende Wissen ist die Zieldomäne. Der Zweck des Transferlernens besteht darin, Wissen und Erfahrung aus den Quellaufgaben zu extrahieren und auf den Zielbereich anzuwenden.
Transferlernklassifizierung
Basierend auf dem Merkmalsraum:
- Homogenes Transferlernen: Der Merkmalsraum der Quelldomäne und der Zieldomäne ist derselbe, XS = XT;
- Heterogenes Transferlernen: Die Merkmalsräume der Quelldomäne und der Zieldomäne sind unterschiedlich, XS ≠ XT.
Basierend auf dem Migrationsszenario:
- Induktives Transferlernen: Die Lernaufgaben im Quellbereich und im Zielbereich sind unterschiedlich;
- Transduktives Transferlernen: Die Lernaufgaben im Quellbereich und im Zielbereich sind dieselben;
- Unüberwachtes Transferlernen: Sowohl die Quelldomäne als auch die Zieldomäne haben keine Beschriftungen.
Grundlegende Methoden des Transferlernens
- Beispielmigration: Suchen Sie in der Quelldomäne nach Daten, die der Zieldomäne ähnlich sind, und passen Sie die Datengewichte so an, dass die neuen Daten mit den Daten der Zieldomäne übereinstimmen.
- Modellübertragung: Unter der Annahme, dass Quelldomäne und Zieldomäne gemeinsame Modellparameter haben, wird das in der Quelldomäne trainierte Modell zur Vorhersage auf die Zieldomäne angewendet.
- Beziehungsmigration: Unter der Annahme, dass die beiden Domänen ähnlich sind, wird die logische Netzwerkbeziehung in der Quelldomäne zur Migration auf die Zieldomäne angewendet.
Verweise
【1】https://zhuanlan.zhihu.com/p/27368456
【2】https://github.com/jindongwang/transferlearning/blob/master/doc//Einführung in Transfer Learning.md
【3】http://www.xtecher.com/Xfeature/view?aid=7383