迁移学习中的领域自适应方法.pptx

迁移学习中的领域自适应方法;

目录

CONTENTS;

n智能大数据时代

n数据量，以及数据类型不断增加

n对机器学习模型的要求：快速构建和强泛化能力

n虽然数据量多，但是大部分数据往往没有标注

n收集标注数据，或者从头开始构建每一个模型，代价高昂且费时;

n核心思想

n找到不同任务之间的相关性

n“举一反三”、“照猫画虎”，但不要“东施效颦”（负迁移）;

n应用前景广阔

n模式识别、计算机视觉、语音识别、自然语言处理、数据挖掘…;

n数据为王，计算是核心

n数据爆炸的时代！

n计算机更强大了！n但是

n大数据、大计算能力只是有钱人的游戏;

n云+端的模型被普遍应用

n通常需要对设备、环境、用户作具体优化

n个性化适配通常很复杂、很耗时

n对于不同用户，需要不同的隐私处理方式;

没有足够的用户数据，如何构建模型？;

n为什么需要迁移学习

n数据的角度

n收集数据很困难

n为数据打标签很耗时

n训练一对一的模型很繁琐

n模型的角度

n个性化模型很复杂

n云+端的模型需要作具体化适配

n应用的角度

n冷启动问题：没有足够用户数据，推荐系统无法工作;

基于实例的迁移(instancebasedTL)

?通过权重重用源域和目标域的样例进行迁移

基于特