贝叶斯在迁移学习中如何使用?

关注者
13
被浏览
6,644
登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏

贝叶斯是很有用的机器学习利器。我们组也比较关注这个问题。不过用贝叶斯来做迁移的工作确实比较少。列一下最近看过的一些paper:

  • ICMLA 2013,《Bayesian multi-source domain adaptation》,将贝叶斯方法应用于domain adaptation中,算是比较直接和简单的应用。
  • EMNLP 2017,题目为《Learning to select data for transfer learning with Bayesian Optimization》,用贝叶斯优化作为工具来进行迁移学习中源域的选择。
  • Max Welling组刚提交到ICLR 2020的工作:《DIVA: DOMAIN INVARIANT VARIATIONAL AUTOENCODERS》,领域不变的变分自编码器。
  • JMLR 2013,《A PAC-Bayesian Approach for Domain Adaptation with Specialization to Linear Classifiers》,用贝叶斯方法分析线性分类器在domain adaptation中的应用与一些理论。
  • ICML 2016,《A New PAC-Bayesian Perspective on Domain Adaptation》,延续上面的分析,我还没看懂,太理论了。。。
  • ICML 2019,《Bayesian Nonparametric Federated Learning of Neural Networks》,贝叶斯应用于联邦学习的深度网络中,严格意义上说不算迁移,不过也可以看看。