ZongXS的博客

强化学习中迁移学习描述强化学习中的迁移问题强化学习中迁移学习的分类强化学习中的迁移应用最新进展描述强化学习中的迁移问题强化学习是一种根据环境反馈进行学习的技术。其agentagentagent辨别自身所处的状态(statestatestate)，按照某种策略决定动作(actionactionaction)，并根据环境反馈的奖励来调整策略，直至达到最优。马尔科夫决策MDP(MarkovDecisionProcess)MDP(Markov Decision Process)MDP(MarkovDecisio

迁移学习的定义给定一个源域DsD_sDs​和源学习任务TsT_sTs​，一个目标域DtD_tDt​和目标学习任务TtT_tTt​，迁移学习致力于通过使用源域DsD_sDs​和源任务TsT_sTs​中的知识，帮助提升目标域DtD_tDt​中的目标预测函数ft()f_t()ft​()的学习，其中Ds≠DtD_s\neq D_tDs​​=Dt​，或者Ts≠TtT_s\neq T_tTs​​=Tt​。迁移学习类别划分根据迁移学习的定义，由源域和目标域与任务之间的不同情况，可将迁移学习分为以下三类：归纳

迁移学习迁移学习概论预训练模型ImageNetImageNetImageNet与MNISTMNISTMNIST迁移学习概论举例说明迁移学习的概念。想象一下，你从一个完全陌生的领域学习一个主题。你会采取什么不同的方法来理解这个主题？可能会：网上搜寻资源阅读文章和博客参考书籍寻找视频教程，等等所有这些都会帮助你熟悉这个主题。在这种情况下，你是唯一一个付出所有时间来熟悉主题的人。但还有一种方法，它可能在短时间内产生更好的结果。你可以咨询对你想要学习的主题具有能力的领域/主题专家。这个人会把他/她