代理信息引导的贝叶斯迁移学习与未知源
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了在迁移学习中面临的挑战性问题，即学习者无法在目标任务中进行微调且不知源数据点与目标任务之间的对应关系。我们提出了一种基于代理信息的稳健概率迁移学习方法（PROMPT），能够在没有目标任务结果信息的情况下，利用代理信息进行目标任务效果的估计和源数据的稳健重加权。PROMPT的应用将促进迁移学习在未知源的情况下实现更有效的效果转移，从而降低负迁移风险。
本研究提出了一种基于代理信息的稳健概率迁移学习方法（PROMPT），旨在解决目标任务微调困难的问题。PROMPT在缺乏目标任务结果信息的情况下，通过代理信息估计目标任务效果并重加权源数据，从而降低负迁移风险。
