Nov, 2019
迁移学习综述
A Comprehensive Survey on Transfer Learning
Fuzhen Zhuang, Zhiyuan Qi, Keyu Duan, Dongbo Xi, Yongchun Zhu...
TL;DR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。
Abstract
transfer learning aims at improving the performance of target learners on
target domains by transferring the knowledge contained in different but related
→
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
如何选择转移模型？一项关于转移可行性估计的调查
现已大规模和大量可用的预训练模型，因此估计模型的迁移能力变得至关重要，本文针对这个问题进行了综述，并将其分为两个领域：无源模型迁移能力估计和有源模型迁移能力估计，提供了相关的分类和指导。
Feb, 2024
学习什么和在哪里转移
本研究提出了一种基于元学习的转移学习方法，可以在异构架构和任务之间自动学习来自源网络的知识应该转移到目标网络的哪个位置，该方法在多种数据集和网络架构上都显著优于手工制定的传统方法。
May, 2019
跨多样化外观领域和任务类型的迁移学习影响因素
本文通过对多种不同的图像领域和任务类型进行超过 2000 个转移学习实验，并系统地分析其对转移学习性能的影响，得出了以下几点结论：（1）对于大多数任务，存在一种源任务显著优于 ILSVRC'12 预训练；（2）图像领域是实现积极转移的最重要因素；（3）源数据集应包括目标数据集的图像领域以获得最佳结果；（4）同时，当源任务的图像领域比目标任务的图像领域范围更广时，我们观察到的负面影响很小；（5）跨任务类型的转移可能会有益，但其成功与源任务和目标任务类型密切相关。
Mar, 2021
迈向更可靠的迁移学习
本文提出了一种新的多源传递学习方法，它结合了源目标相似性和不同可靠性源之间的关系，并提出了一个综合的主动传递学习框架，包括分布匹配和不确定性采样，在合成和真实数据集上进行了广泛的实验，表明其在多项基准测试中优于其他现有模型。
Jul, 2018