跳到正文
热点事件持续更新

迁移学习泛化能力与迁移效果的关系研究

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

剑桥大学一篇 MPhil 学位论文通过对迁移学习过程实施三类对抗攻击,检验源任务上的良好泛化能力是否足以保证模型成功迁移到相关目标任务。实验发现,源任务泛化能力与迁移能力之间存在较强关联,但尚不能排除源任务泛化能力是成功迁移充分条件的可能性。研究聚焦于源任务表现与目标任务迁移效果之间的关系,尚未得出二者必然对应的结论。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月2日
  1. arXiv · Machine Learning
    迁移学习中不良局部极小值的探索

    这项剑桥大学 MPhil 学位论文通过对迁移学习过程实施三类对抗攻击,研究源任务上的良好泛化是否必然意味着能够迁移到相关目标任务。实验发现,源任务泛化能力与迁移能力之间存在较强关联,但尚不能排除源任务泛化是成功迁移充分条件的可能性。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。