迁移学习中的负迁移：综述

点击上面"脑机接口社区"关注我们 更多技术干货第一时间送达 导读 迁移移学习(TL)试图利用来自一个或多个源域的数据或知识来促进目标域的学习。由于标记成本、隐私问题等原因，当目标域只有很少或没有标记数据时，它特别有用。 不过，TL的有效性并不总是得到保证。负迁移(NT)，即源域数据/知识导致目标域学习性能下降，是TL中一个长期存在且具有挑战性的问题，文献中提出了各种克服负迁移的方法。本文从源数据质

>>阅读原文<<