迁移学习的 ART：一种自适应且鲁棒的流水线
机器学习
2023-05-02 v1 机器学习
摘要
迁移学习是一种通过利用辅助数据资源中的信息来提升主任务性能的重要工具。在本工作中，我们提出自适应鲁棒迁移学习（ART），一种使用通用机器学习算法执行迁移学习的灵活流水线。我们建立了 ART 的非渐近学习理论，为防止负迁移并实现自适应迁移提供了可证明的理论保证。此外，我们引入了 ART 集成聚合机器，在考虑多个候选算法时生成单一最终模型。我们通过回归、分类和稀疏学习上的大量实证研究展示了 ART 的良好性能。我们进一步给出了一个针对死亡率研究的真实数据分析。
引用
@article{arxiv.2305.00520,
title = {The ART of Transfer Learning: An Adaptive and Robust Pipeline},
author = {Boxiang Wang and Yunan Wu and Chenglong Ye},
journal= {arXiv preprint arXiv:2305.00520},
year = {2023}
}