关于迁移学习的所有资料,包括:介绍、综述文章、最新文章、代表工作及其代码、常用数据集、硕博士论文等等。(可能是目前最全的迁移学习资料库?) 欢迎一起贡献!
Everything about Transfer Learning (Probably the most complete repository?). Your contribution is highly valued!
迁移学习文章汇总 Awesome transfer learning papers
-
最新发表论文
-
20180530 ICML-18 强化迁移学习:Importance Weighted Transfer of Samples in Reinforcement Learning
-
20180530 MNRAS 用迁移学习检测银河星系兼并:Using transfer learning to detect galaxy mergers
-
20180524 KDD-18 用迁移学习方法进行人们的ID迁移:Learning and Transferring IDs Representation in E-commerce
-
20180516 ACL-18 将对抗迁移学习用于危机状态下的舆情分析:Domain Adaptation with Adversarial Training and Graph Embeddings
-
20180510 IEEE Trans. Cybernetics 提出一个通用的迁移学习框架,对不同的domain进行不同的特征变换:Transfer Independently Together: A Generalized Framework for Domain Adaptation
-
20180428 CVPR-18 相互协同学习:Deep Mutual Learning
-
-
arXiv专区 (arXiv上的文章较新,但未经过peer-review,慎重看待)
-
20180530 arXiv 用于深度网络的鲁棒性domain adaptation方法:Robust Unsupervised Domain Adaptation for Neural Networks via Moment Alignment
-
20180529 arXiv 迁移学习用于表情识别:Meta Transfer Learning for Facial Emotion Recognition
-
20180524 arXiv 探索了Multi-source迁移学习的一些理论:Algorithms and Theory for Multiple-Source Adaptation
-
20180524 arXiv 用深度强化学习的方法学习domain adaptation中的采样策略:Learning Sampling Policies for Domain Adaptation
-
20180524 arXiv 杨强团队、与之前的learning to learning类似,这里提供了一个从经验中学习的learning to multitask框架:Learning to Multitask
-
20180522 arXiv 用CNN进行跨领域的属性学习:Cross-domain attribute representation based on convolutional neural network
-
20180519 arXiv 用迁移学习进行物体检测,200帧/秒:Object detection at 200 Frames Per Second
-
20180519 arXiv 用迁移学习进行肢体语言识别:Optimization of Transfer Learning for Sign Language Recognition Targeting Mobile Platform
-
-
简介文字资料
- 简单的中文简介
- 英文PPT
- 中文PPT
- 迁移学习中的领域自适应方法: PDF | Video
- 清华大学龙明盛老师的深度迁移学习报告:PPT(三星研究院)、PPT(Google China)
-
视频教程
-
动手教程、代码、数据
Related articles by research areas:
-
领域自适应(非深度) Domain Adaptation (Shallow)
- Domain adaptation介绍:Domain adaptation
- 这个目录主要是非深度方法,深度方法在下面。
一个推荐、分享论文的网站比较好,我在上面会持续整理相关的文章并分享阅读笔记。详情请见paperweekly。
-
迁移学习领域最具代表性的综述是A survey on transfer learning,发表于2010年,对迁移学习进行了比较权威的定义。
-
迁移学习的理论分析:
-
迁移学习方面一直以来都比较缺乏理论分析与证明的文章,以下三篇连贯式的理论文章成为了经典:
-
许多研究者在迁移学习的研究中会应用MMD(Maximum Mean Discrepancy)这个最大均值差异来衡量不同domain之间的距离。MMD的理论文章是:
- MMD的提出:A Hilbert Space Embedding for Distributions 以及 A Kernel Two-Sample Test
- 多核MMD(MK-MMD):Optimal kernel choice for large-scale two-sample tests
- MMD及多核MMD代码:Matlab | Python
-
理论研究方面,重点关注Alex Smola、Ben-David、Bernhard Schölkopf、Arthur Gretton等人的研究即可。
-
-
较新的综述:
- 20180419 arXiv Neural style transfer的一个��survey:Neural Style Transfer: A Review
- 2018 arXiv 最新发表在arXiv上的深度domain adaptation的综述:Deep Visual Domain Adaptation: A Survey
- 2017 多任务学习的综述,来自香港科技大学杨强团队:A survey on multi-task learning
- 2017 异构迁移学习的综述:A survey on heterogeneous transfer learning
- 2017 跨领域数据识别的综述:Cross-dataset recognition: a survey
- 2016 A survey of transfer learning。其中交代了一些比较经典的如同构、异构等学习方法代表性文章。包括了很多方法介绍,值得一看。
- 2015 中文综述:迁移学习研究进展
-
迁移学习与应用领域结合
- 视觉domain adaptation综述:Visual Domain Adaptation: A Survey of Recent Advances
- 迁移学习应用于行为识别综述:Transfer Learning for Activity Recognition: A Survey
- 迁移学习与增强学习:Transfer Learning for Reinforcement Learning Domains: A Survey
- 多个源域进行迁移的综述:A Survey of Multi-source Domain Adaptation。
请见这里 | Please see HERE for some popular transfer learning codes.
全部列表以及代表工作性见这里
-
Qiang Yang:中文名杨强。香港科技大学计算机系讲座教授,大数据中心主任。迁移学习领域世界性专家。IEEE/AAAI/IAPR/AAAS fellow。[Google scholar]
-
Sinno Jialin Pan:杨强的学生,香港科技大学博士,现任新加坡南洋理工大学助理教授。迁移学习领域代表性综述A survey on transfer learning的第一作者(Qiang Yang是二作)。[Google scholar]
-
Wenyuan Dai:中文名戴文渊,上海交通大学硕士,现任第四范式人工智能创业公司CEO。迁移学习领域著名的牛人,在顶级会议上发表多篇高水平文章,每篇论文引用量巨大。[Google scholar]
-
Lixin Duan:中文名段立新,新加坡南洋理工大学博士,现就职于电子科技大学,教授。[Google scholar]
-
Fuzhen Zhuang:中文名庄福振,中科院计算所博士,现任中科院计算所副研究员。[Google scholar]
-
Mingsheng Long:中文名龙明盛,清华大学博士,现任清华大学助理教授、博士生导师。[Google scholar]
-
Qingyao Wu:中文名吴庆耀,现任华南理工大学副教授。主要做在线迁移学习、异构迁移学习方面的研究。[Google scholar]
-
Weike Pan:中文名潘微科,杨强的学生,现任深圳大学副教授,香港科技大学博士毕业。主要做迁移学习在推荐系统方面的一些工作。 [Google Scholar]
-
Tongliang Liu:中文名刘同亮,现任悉尼大学助理教授。主要做迁移学习的一些理论方面的工作。[Google scholar]
硕博士论文可以让我们很快地对迁移学习的相关领域做一些了解,同时,也能很快地了解概括相关研究者的工作。其中,比较有名的有
-
2016 Baochen Sun的Correlation Alignment for Domain Adaptation
-
2014 南加州大学的Boqing Gong的Kernel Methods for Unsupervised Domain Adaptation
-
2014 清华大学龙明盛的迁移学习问题与方法研究
-
2014 中科院计算所赵中堂的自适应行为识别中的迁移学习方法研究
-
2012 杨强的学生Hao Hu的Learning based Activity Recognition
-
2012 杨强的学生Wencheng Zheng的Learning with Limited Data in Sensor-based Human Behavior Prediction
-
2010 杨强的学生Sinno Jialin Pan的Feature-based Transfer Learning and Its Applications
-
2009 上海交通大学戴文渊的基于实例和特征的迁移学习算法研究
其他的文章,请见完整版。
迁移学习领域有一些公开的数据集,用来对比算法的表现。
Please see HERE for the popular transfer learning datasets and HERE for some benchmark results.
如果你对本项目感兴趣,非常欢迎你加入!
- 正常参与:请直接fork、pull request,或者与我联系我把你加入合作者中
- 如果要上传文件:请不要直接上传到项目中,否则会造成git版本库过大。正确的方法是上传它的超链接。请按照如下方式上传:
Welcome!
[文章版权声明]这个仓库是我开源到Github上的,可以遵守相关的开源协议进行使用。这个仓库中包含有很多研究者的论文、硕博士论文等,都来源于在网上的下载,仅作为学术研究使用。我对其中一些文章都写了自己的浅见,希望能很好地帮助理解。这些文章的版权属于相应的出版社。如果作者或出版社有异议,请联系我进行删除。一切都是为了更好地学术!