异构迁移学习相关论文
近几年,深度学习研究不仅推动了计算机视觉领域的发展,而且提高了模型在图像分类、目标检测和语义分割等各种视觉任务中的性能。但......
迁移学习是通过利用源域的已标记数据中的知识来增强目标域中的模型性能,而目标域中只包含少量或没有标记的训练样本。因为在现实......
异构迁移聚类可以在无监督的情况下将知识从相关的异构源域迁移到目标域。现有的工作通常需要使用大量的完整共现数据,这种数据通......
随着移动互联网的高速发展,人们对基于定位追踪的位置服务需求也日益增长。现有的卫星定位技术只在没有障碍物遮挡的室外环境中适......
迁移学习或域适应学习是目前机器学习中一个热点研究领域,利用与目标域相关的源域知识辅助目标域的学习。异构域适应学习(Heteroge......
随着计算机硬件的快速发展与数据规模的快速增长,机器学习与数据挖掘的理论取得了长足的发展,在工业领域也取得了巨大的成果.当数......
训练具有良好泛化能力的分类模型不仅需要足够多的数据,而且需要保证数据应尽量不含或含有较少的噪声.社交网站为训练分类模型提供......
