题目: Transfer Adaptation Learning: A Decade Survey

摘要: 我们看到的世界是不断变化的,它总是随着人、事物和环境的变化而变化。域(domain)是指在某一时刻的世界状态。当研究问题需要不同时刻之间的知识对应时,其特征是域迁移自适应。传统的机器学习旨在通过最小化训练数据的正则化经验风险来寻找测试数据风险最小的模型,而训练数据和测试数据具有相似的联合概率分布。迁移自适应学习的目的是通过从语义相关但分布不同的源域学习知识,建立能够执行目标域任务的模型。这是一个越来越有影响力和重要性的充满活力的研究领域。本文综述了近年来在迁移自适应学习方法和潜在基准方面的研究进展,迁移自适应学习的研究人员面临着更广泛的挑战,即,instance re-weighting adaptation, feature adaptation,classifier adaptation,deep network adaptation,和adversarial adaptation,均超出了早期的半监督和无监督情况。这篇工作为研究人员更好地了解和确定该领域的研究现状、挑战和未来方向提供了框架。

作者: Lei Zhang,重庆大学微电子与通信工程学院研究员,博士生导师,重庆市生物感知与智能信息处理重点实验室副主任,LiVE智能学习与视觉团队负责人(http://www.leizhang.tk), IEEE Senior Member。主要聚焦于迁移学习服务于深度学习以及开放环境下的视觉分析问题。以第一或通讯在IEEE TIP/TNNLS/TMM/TCYB/TSMCA/TIM等期刊发表论文48篇、在 ICCV/AAAI/ACM MM/ACCV等会议上发表论文30余篇,出版英文专著1部,授权专利10项,多篇论文入选ESI高被引论文,Google Scholar引用1500余次。担任TPAMI/TIP/TNNLS/TMM/TCSVT等50余个期刊和AAAI/ICLR/CVPR/ICCV/IJCAI等多个会议的审稿,主持国家自然科学基金、重庆市重点研发子课题等项目10余项。曾获CCBR最佳论文奖、香江学者奖、黄尚廉院士青年创新奖、教育部学术新人奖、重庆市优博等。入选重庆大学百人计划,重庆市学术带头人后备人选、重庆市高层次人才计划—青年拔尖人才。

研究方向: 机器学习、计算机视觉、模式识别、信号处理

个人主页: http://www.leizhang.tk/

成为VIP会员查看完整内容
41

相关内容

自适应学习,也被称为自适应教学,是使用计算机算法来协调与学习者的互动,并提供定制学习资源和学习活动来解决每个学习者的独特需求的教育方法。在专业的学习情境,个人可以“试验出”一些训练方式,以确保教学内容的更新。根据学生的学习需要,计算机生成适应其特点的教育材料,包括他们对问题的回答和完成的任务和经验。该技术涵盖了各个研究领域和它们的衍生,包括计算机科学、人工智能、心理测验、教育学、心理学和脑科学。
多模态深度学习综述,18页pdf
专知会员服务
209+阅读 · 2020年3月29日
【自动化学报】零样本学习研究进展,中国石油大学
专知会员服务
87+阅读 · 2020年1月27日
专知会员服务
35+阅读 · 2019年12月13日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
迁移自适应学习最新综述,附21页论文下载
无参考图像质量评价研究进展综述
人工智能前沿讲习班
45+阅读 · 2019年2月15日
【优青论文】视觉问答技术研究
计算机研究与发展
13+阅读 · 2018年9月21日
【优青论文】深度神经网络压缩与加速综述
计算机研究与发展
14+阅读 · 2018年9月20日
AI综述专栏|多模态学习研究进展综述
人工智能前沿讲习班
64+阅读 · 2018年7月13日
AI综述专栏 | 步态识别的深度学习综述
人工智能前沿讲习班
29+阅读 · 2018年6月27日
FCS 12(1) 文章 | 知识图谱综述
FCS
7+阅读 · 2018年3月12日
2017年刊登论文大盘点——综述篇
计算机研究与发展
5+阅读 · 2017年12月14日
迁移成分分析 (TCA) 方法简介
AI研习社
12+阅读 · 2017年9月15日
Anomalous Instance Detection in Deep Learning: A Survey
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
Arxiv
108+阅读 · 2020年2月5日
A Comprehensive Survey on Transfer Learning
Arxiv
117+阅读 · 2019年11月7日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
VIP会员
相关资讯
迁移自适应学习最新综述,附21页论文下载
无参考图像质量评价研究进展综述
人工智能前沿讲习班
45+阅读 · 2019年2月15日
【优青论文】视觉问答技术研究
计算机研究与发展
13+阅读 · 2018年9月21日
【优青论文】深度神经网络压缩与加速综述
计算机研究与发展
14+阅读 · 2018年9月20日
AI综述专栏|多模态学习研究进展综述
人工智能前沿讲习班
64+阅读 · 2018年7月13日
AI综述专栏 | 步态识别的深度学习综述
人工智能前沿讲习班
29+阅读 · 2018年6月27日
FCS 12(1) 文章 | 知识图谱综述
FCS
7+阅读 · 2018年3月12日
2017年刊登论文大盘点——综述篇
计算机研究与发展
5+阅读 · 2017年12月14日
迁移成分分析 (TCA) 方法简介
AI研习社
12+阅读 · 2017年9月15日
相关论文
Anomalous Instance Detection in Deep Learning: A Survey
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
Arxiv
108+阅读 · 2020年2月5日
A Comprehensive Survey on Transfer Learning
Arxiv
117+阅读 · 2019年11月7日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
微信扫码咨询专知VIP会员