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。
Data-Driven Design of 3GPP Handover Parameters with Bayesian Optimization and Transfer Learning
Data-Driven Design of 3GPP Handover Parameters with Bayesian Optimization and Transfer Learning
Arxiv
0+阅读 · 4月3日
Transfer Learning in Financial Time Series with Gramian Angular Field
Arxiv
0+阅读 · 4月1日
Data-driven Optimization and Transfer Learning for Cellular Network Antenna Configurations
Arxiv
0+阅读 · 4月1日
Nonhuman Primate Brain Tissue Segmentation Using a Transfer Learning Approach
Nonhuman Primate Brain Tissue Segmentation Using a Transfer Learning Approach
Arxiv
0+阅读 · 4月1日
On-site estimation of battery electrochemical parameters via transfer learning based physics-informed neural network approach
Arxiv
0+阅读 · 3月28日
Sample-Efficient Bayesian Transfer Learning for Online Machine Parameter Optimization
Arxiv
0+阅读 · 3月21日
Transfer Learning for EDFA Gain Modeling: A Semi-Supervised Approach Using Internal Amplifier Features
Arxiv
0+阅读 · 3月21日
Transfer Learning Between U.S. Presidential Elections: How Should We Learn From A 2020 Ad Campaign To Inform 2024 Ad Campaigns?
Arxiv
0+阅读 · 3月13日
Similarity-Informed Transfer Learning for Multivariate Functional Censored Quantile Regression
Arxiv
0+阅读 · 3月24日
A transfer learning framework for weak-to-strong generalization
Arxiv
0+阅读 · 3月14日
PAD: Towards Efficient Data Generation for Transfer Learning Using Phrase Alignment
Arxiv
0+阅读 · 3月25日
PAD: Towards Efficient Data Generation for Transfer Learning Using Phrase Alignment
Arxiv
0+阅读 · 3月24日
k-NN as a Simple and Effective Estimator of Transferability
Arxiv
0+阅读 · 3月24日
Untangling the Influence of Typology, Data and Model Architecture on Ranking Transfer Languages for Cross-Lingual POS Tagging
Arxiv
0+阅读 · 3月25日
Data-driven inventory management for new products: An adjusted Dyna-$Q$ approach with transfer learning
Arxiv
0+阅读 · 3月10日
参考链接
父主题
专知—深度学习：算法到实战
机器学习
子主题
相同技术迁移能力
不同技术迁移能力
微信扫码咨询专知VIP会员
Top