基于投影模型的参数迁移极限学习机
机器学习
2018-10-24 v2 机器学习
摘要
近年来，迁移学习在机器学习界引起了广泛关注。本文主要关注极限学习机（ELM）框架下的参数迁移任务。不同于现有通过将源模型信息正则化源与目标域参数差异融入目标的参数迁移方法，我们提出一种直观且具吸引力的投影模型来桥接源与目标模型参数。具体而言，我们通过参数投影的方式在 ELM 网络中形式化参数迁移，并通过联合优化投影矩阵与分类器参数来训练模型。此外，对源域参数施加 `L2,1 范数结构化稀疏惩罚，以促进联合特征选择与参数迁移。为评估所提方法的有效性，我们在几个常用域适应数据集上进行了综合实验。结果表明，该方法显著优于非迁移 ELM 网络及其他经典迁移学习方法。
引用
@article{arxiv.1809.01018,
title = {Parameter Transfer Extreme Learning Machine based on Projective Model},
author = {Chao Chen and Boyuan Jiang and Xinyu Jin},
journal= {arXiv preprint arXiv:1809.01018},
year = {2018}
}
备注
This paper was accepted as an oral paper by IJCNN 2018