科研之友
微信
新浪微博
Facebook
分享链接
摘要
迁移学习由于解决了领域之间的分布差异引起的领域迁移问题而引起了人们的关注。现有的迁移学习方法绝大多数需要访问源域数据，访问源域数据可能因为源域数据涉及隐私、数据量过大占据较大的存储空间以及计算成本等原因而带来难题。因此，很多研究开始关注无源无监督的方法，即从预先训练的源模型向不可访问的未标记目标领域执行迁移。首先介绍了无源无监督迁移学习的定义，然后简述了无监督迁移学习的研究现状，最后总结了部分方法在数据集上的表现，有利于进一步的研究。
-
单位中国人民解放军陆军工程大学
