遷移學習「Partial Transfer Learning with Selective Adversarial Networks」

Partial Transfer Learning with Selective Adversarial Networks 摘要：對抗學習應用於深度網絡中學習可遷移的特徵初有成效，它降低了源域及目標域之間的分佈差異。目前已有的對抗網絡假設源域和目標域共享全部的標記空間。在遷移過程中，源域中類別往往很多，而目標域通常只和源域其中一小部分相關，直接遷移肯定會產生負遷移的影響。論文提出了部分遷移學習，減

>>阅读原文<<