FPGA机器学习之龙星计划机器学习第十六堂

这一堂主讲内容。迁移学习。

多目标多任务一起学习。当然任务直接是有联系的，可以互相促进。

如果信息不够的话，可以从其他任务的信息中学习。或者使用以前的相似任务中提取有用信息的过程

google搜索能做的好的都是语言相近的。它上面的例子比如说识别汽车，是否有帮助识别自行车。

这几个函数，就是最下面的图，就是不同的任务，但是相似性很高。

这里是一个房子的切面图，一个光线，一个温度，就可以联合训练。

图像分类。图像本来就具有天生的传递学习的条件。因为椅子凳子桌子都是具有共性的。

神经网络，输入层，中间层，输出层。中间层，或者说隐层，就是第一层的特征的集成过程。

X--Z就是从x空间投影到z空间。

高斯过程。

第一个是先验概率。第二个后验概率。

下面是2个核函数。

有时候数据很难得到。比如说很花钱，很花时间，或者发生的情况比较少等。

用这个方法的目标就是，用其他的相关数据学习，比光用有效数据学习效果更好呢、？？

这个需要的时间是2年。时间太长了。

 

 

后面还有一些数学模型。不过我都不理解，所以就不贴出来了。

我能力有限，但是我努力的学习。望望前方路途还很遥远。