用于无监督迁移学习的自适应特征排序
机器学习
2014-05-29 v2
摘要
迁移学习关注将从解决一个问题中获得的知识应用于不同但相关的问题领域。在本文中，我们提出了一种方法和高效算法，用于对在源域上训练的受限玻尔兹曼机 (Restricted Boltzmann Machine) 中的表示进行排序和选择，以便迁移到目标域。使用 MNIST、ICDAR 和 TiCC 图像数据集进行的实验表明，所提出的自适应特征排序和迁移学习方法在 RBM 训练方面提供了统计上显著的改进。我们的方法具有通用性，因为由排序函数选择的知识不依赖于其与任何特定目标域的关系，并且适用于无监督学习和基于知识的迁移。
引用
@article{arxiv.1312.6190,
title = {Adaptive Feature Ranking for Unsupervised Transfer Learning},
author = {Son N. Tran and Artur d'Avila Garcez},
journal= {arXiv preprint arXiv:1312.6190},
year = {2014}
}
备注
9 pages 7 figures, new experimental results on ranking and transfer have been added, typo fixed