迁移学习“Partial Transfer Learning with Selective Adversarial Networks”

Partial Transfer Learning with Selective Adversarial Networks 摘要：对抗学习应用于深度网络中学习可迁移的特征初有成效，它降低了源域及目标域之间的分布差异。目前已有的对抗网络假设源域和目标域共享全部的标记空间。在迁移过程中，源域中类别往往很多，而目标域通常只和源域其中一小部分相关，直接迁移肯定会产生负迁移的影响。论文提出了部分迁移学习，减

>>阅读原文<<