Aug, 2018
深度迁移学习调查
A Survey on Deep Transfer Learning
Chuanqi Tan, Fuchun Sun, Tao Kong, Wenchang Zhang, Chao Yang...
TL;DR本文综述了深度神经网络及其应用中存在的数据获取与标注问题，并介绍了基于深度迁移学习的研究，旨在通过迁移学习中提出的独立同分布假设的放宽，解决数据不足的问题。
Abstract
As a new classification platform, deep learning has recently received
increasing attention from researchers and has been successfully applied to many
domains. In some domains, like bioinformatics and
发现论文，激发创造
深度迁移学习在图像分类上的应用综述
本论文从深度迁移学习定义开始，概览了图像分类领域中当前发展情况及存在的知识空白，并提出了一种新的迁移学习应用分类法以帮助更好地理解迁移学习的成效和问题所在。
May, 2022
迁移学习综述
本综述对转移学习的 40 多个代表性方法进行了系统总结，从数据和模型的角度介绍了同质转移学习的机制和策略，并通过实验证明了在不同应用程序中选择适当的传输学习模型的重要性。
Nov, 2019
深度迁移学习与最近进展综述
该论文介绍了深度迁移学习的定义和分类方式，探讨了近五年来应用的技术，并研究了实验分析结果，讨论了深度迁移学习方法的限制以及对应的解决方案和研究趋势。其中包括在 Covid-19 检测和边缘设备上应用深度迁移学习可以降低训练成本和增加精度的优势。
Jan, 2022
工业自动化的深度迁移学习：一项针对数据驱动机器学习新技术的综述和讨论
介绍了迁移学习和持续学习的概念，综述了工业深度迁移学习的应用方法，包括计算机视觉等领域已达到最新技术水平的方法，以及其他领域如故障预测刚刚起步。提出了基于工业迁移学习应用的基本用例，并强调了将持续学习和迁移学习结合起来，以满足工业自动化领域对强鲁棒性学习算法的需求。
Dec, 2020
工业时间序列异常检测深度迁移学习综述：方法、应用和方向
深度迁移学习在工业过程中具有识别异常事件和优化质量的潜力，通过利用与相关任务的知识以及解决时间序列异常检测的问题来解决使用标准深度学习所需的大规模标记数据的问题，同时降低了深度学习模型设计和实现的复杂度。
Jul, 2023
智能车辆感知的深度迁移学习：综述
本文是关于智能汽车感知领域的深度转移学习综述，讨论了传感器、数据以及模型带来的领域差异及其挑战。该综述总结了现有的应用、挑战和未来研究方向，以解决深度学习中的特征分布差异问题。
Jun, 2023