迁移学习MMD和再核希尔伯特空间.PDFVIP

迁移学习：MMD和再⽣核希尔伯特 空间 4 个⽉前 写在前⾯： 以后我会把论⽂导读的部分写到知乎，某些源码实现的部分依然放在 CSDN，上⾯还有⼏篇⽂章就不⼀⼀搬运了，有需要的同学可以参考：我的 CSDN。本⼈⾮专业⼤神，如有不当的地⽅或者有疑问，不⽤私信请在评论 区留⾔，我会及时修改。 内容还是以迁移学习为主，当然其他⽅⾯的论⽂也会涉及 ⼀.引⼊ 今天主要说说迁移学习当中source domain—target domain的差异性度 量，传统学习⽅法有⼀个假设：training sample和test sample都是从同⼀ 个分布抽样得到，即训练集和测试集是iid.（独⽴同分布）的，这个假设使 得离线的学习⽅法得以运⾏。在迁移学习环境下training sample和test sample分别取样⾃分布p和q，两个样本不同但相关，现在我们要通过测试 样本改善模型性能。求解这个问题的思路⽐较多，这⾥只列⼀个⺫前流⾏的 思路： 利⽤深度神经⺴络的特征变换能⼒，来做特征空间的transformation，直到 变换后的特征分布相匹配，这个过程可以是source domain⼀直变换直到 匹配target domain，也可以是source domain和target domain⼀起变 换直到匹配（例如下图） 引⼊了那么多，终于扯到匹配了