• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Expert Systems with Application >Seeded transfer learning for regression problems with deep learning
【24h】

Seeded transfer learning for regression problems with deep learning

机译：种子转移学习解决深度学习中的回归问题

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The difference in data distributions among related, but different domains is a long standing problem for knowledge adaptation. A new method to transform the source domain knowledge to fit the target domain is proposed in this work. The proposed method uses deep learning method and limited number of samples from target domain to transform the source domain dataset. It treats the limited samples of target domain as seeds for initiating the transfer of source knowledge. Comprehensive experiments are conducted using different computational intelligence models and different datasets. Obtained results reveal that prediction models trained using the proposed method demonstrate the best performance in comparison with the same models trained with only source knowledge or deep learned features. Experiments show that models trained using proposed method have outperformed the baseline methods by at least 50% in 14 experiments out of a total of 18. (C) 2018 Elsevier Ltd. All rights reserved.
机译：相关但不同领域之间数据分布的差异是知识适应的长期存在的问题。在这项工作中，提出了一种将源域知识转换为适合目标域的新方法。所提出的方法使用深度学习方法和来自目标域的有限数量的样本来转换源域数据集。它将目标域的有限样本视为启动源知识转移的种子。使用不同的计算智能模型和不同的数据集进行全面的实验。获得的结果表明，与仅使用源知识或深度学习功能训练的相同模型相比，使用该方法训练的预测模型表现出最佳性能。实验表明，在总共18项实验中，有14项实验使用建议的方法训练的模型的性能比基线方法至少好50％。（C）2018 Elsevier Ltd.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号