基于相似度的神经网络多源迁移学习算法

摘要：

为了解决迁移学习中的"负迁移"问题,提出了基于相似度的神经网络多源迁移学习算法.该算法是以经典的BP神经网络模型为基分类器,利用梯度下降法对各个源领域与目标域之间的相似度进行学习和优化,把各个源领域的网络权重参数信息按照与目标域之间的相似程度迁移到目标域中,提高机器学习算法在目标域的分类性能.在UCI数据的Letter-recog-nition数据集以及20Newsgroups文本数据集上进行实验.实验结果表明了MTL-SNN算法比传统的多源迁移学习算法以及BP神经网络算法在分类准确率上有所提升,因此MTL-SNN算法有效地解决了"负迁移"问题.

关键词：负迁移、相似度、多源迁移学习、BP神经网络

所属期刊栏目：19

分类号：TP181(自动化基础理论)

资助基金：广东省省级科技计划2014A020215019

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：186-191