李宏毅机器学习课程-Transfer Learning
2017-12-13 09:41
302 查看
深度学习 -> 强化学习 ->迁移学习(杨强教授报告)
李宏毅机器学习课程-Transfer Learning
迁移学习-吴恩达
freeze
待处理的
理解深层神经网络中的迁移学习及TensorFlow实现
Transfer Learning模式
Transfer Learning-Model Fine-tuning
Image: usually copy the first few layers
Transfer Learning - Multitask learning(需要实践)
Transfer Learning-Domain-adversarial training(需要实践)
Domain-adversarial trainingYaroslav Ganin,Victor Lempitsky, Unsupervised Domain Adaptation by Backpropagation, ICML, 2015
Hana Ajakan,Pascal Germain,Hugo Larochelle,François Laviolette,Mario Marchand, Domain-Adversarial Training of Neural Networks, JMLR, 2016
Transfer Learning-Zero-shot learning(需要实践)
参考文献
Transfer Learning
深度学习 -> 强化学习 ->迁移学习(杨强教授报告)
李宏毅机器学习课程-Transfer Learning
迁移学习-吴恩达
freeze
待处理的
理解深层神经网络中的迁移学习及TensorFlow实现
Transfer Learning模式
Similar domain, different tasks
Different domains, same task
Transfer Learning四种情形Transfer Learning-Model Fine-tuning
Conservative Training
Layer Transfer(需要实践)
不同任务共享前几层,往往会有较好的结果。
Speech: usually copy the last few layersImage: usually copy the first few layers
Jason Yosinski,Jeff Clune,Yoshua Bengio,HodLipson, “How transferable are features in deep neural networks?”, NIPS, 2014 这篇文章给出Transfer learning 方法有指导意义。(待总结)
Transfer Learning - Multitask learning(需要实践)
Transfer Learning-Domain-adversarial training(需要实践)
共享feature
不同Domain, Feature的分布不一样。
去掉Domain的Feature特性去掉。
两个不同任务的大型网络。
Domain-adversarial trainingYaroslav Ganin,Victor Lempitsky, Unsupervised Domain Adaptation by Backpropagation, ICML, 2015
Hana Ajakan,Pascal Germain,Hugo Larochelle,François Laviolette,Mario Marchand, Domain-Adversarial Training of Neural Networks, JMLR, 2016
实验结果
Transfer Learning-Zero-shot learning(需要实践)
不去直接去分类,而是将image映射到新的维度,将Feature映射到新的维度,目标是在新的维度,两者更接近。
目标函数的设置(亮点)
参考文献
Transfer Learning
深度学习 -> 强化学习 ->迁移学习(杨强教授报告)
相关文章推荐
- [机器学习入门] 经典台大李宏毅机器学习课程从这里开始
- 李宏毅机器学习课程笔记1:Regression、Error、Gradient Descent
- 李宏毅机器学习课程1~~~Introduction &Regression
- 李宏毅机器学习课程4~~~分类:概率生成模型
- 台湾大学林轩田和李宏毅机器学习课程
- 李宏毅机器学习课程11~~~为何要"深"?
- 李宏毅机器学习课程12~~~半监督学习
- 台大李宏毅2017机器学习国语课程(更新)
- 国立台湾大学-李宏毅-2017年(秋)最新深度学习与机器学习应用及其深入和结构化研究课程分享
- [机器学习入门] 经典台大李宏毅机器学习课程从这里开始
- 李宏毅机器学习课程-Structured Learning
- 李宏毅机器学习课程笔记7:Transfer Learning、SVM、Structured Learning - Introduction
- 李宏毅机器学习课程5~~~分类:逻辑回归
- 李宏毅机器学习课程笔记8:Structured Learning - Linear Model、Structured SVM、Sequence Labeling
- 李宏毅机器学习课程笔记5:Unsupervised Learning - Linear Methods、Word Embedding、Neighbor Embedding
- 李宏毅机器学习课程笔记2:Classification、Logistic Regression、Brief Introduction of Deep Learning
- 李宏毅机器学习课程6~~~深度学习入门
- 李宏毅机器学习课程笔记9:Recurrent Neural Network
- 李宏毅机器学习课程笔记10:Ensemble、Deep Reinforcement Learning
- 李宏毅机器学习课程8~~~keras