迁移学习域适配及任务移植方法研究

目录

声明

致谢

序言

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 同构迁移学习

1.2.2 异构迁移学习

1.2.3 域适配

1.2.4 最优传输理论

1.2.5 最优传输理论用于域适配

1.2.6 深度迁移学习

1.3 研究方向

1.4 研究内容与主要贡献

1.5 本文的组织结构

2 基于最优传输的流形空间联合分布域适配算法

2.1 问题描述

2.1.1 迁移学习

2.1.2 域适配

2.2 基于最优传输的流形空间联合分布域适配算法

2.2.1 流形空间特征变换

2.2.2 基于最优传输的域适配方法

2.3 实验过程与结果

2.3.1 实验数据

2.3.2 基准算法与实验设置

2.3.3 实验结果

2.3.4 扩展应用实验

2.4 本章小结

3 基于离群样本重映射的域适配增强算法

3.1 域适配增强算法

3.1.1 基础理论

3.1.2 算法描述

3.2 实验过程与结果

3.2.1 实验数据

3.2.2 基准算法与实验设置

3.2.3 实验结果

3.3 本章小结

4 学习任务移植方法探索

4.1 学习任务移植

4.1.1 研究价值

4.1.2 移植方法

4.2 实验过程与结果

4.2.1 实验数据

4.2.2 基准算法与实验设置

4.2.3 实验结果

4.3 本章小结

5 总结与展望

5.1 本文总结

5.2 研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集