迁移学习:回顾与进展

• 作者: 杨强 童咏昕
• 来源期刊: 中国计算机学会通讯
• 关键词: 迁移学习 人工智能 小数据学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 专题
• 页码范围: 36-41
• 页数: 6页
• 语种: 中文

摘要

创造智能的梦想,一直以来是激励人类在人工智能领域不断披荆斩棘的动力.人工智能也在一直不断地开拓新的技术和应用.然而,不断发展的人工智能技术对计算资源和数据资源的需求也在激增,逐渐成为人工智能新的瓶颈. 如何解决这一困境?近年来迁移学习逐渐走入人们的视野.迁移学习旨在将其“举一反三”的能力具象为算法框架,将某个领域的知识迁移到另一个领域的学习中,从而打破数据资源的桎梏.从20世纪90年代以来,迁移学习已经逐渐发展出了样本迁移、特征迁移、模型迁移和关系迁移等多个门类,并且和深度学习有了进一步的结合.在图片数据、文本数据等多种数据的学习建模领域崭露头角,建立起较为成熟的理论和实践体系,逐步将小数据学习从理论变为现实.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨强		8	75	2.0	8.0
2	童咏昕		5	16	1.0	4.0