A Data-Efficient Multi-Source Transfer Learning Theoretical Framework Based on the Cramér-Rao Bound

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种基于克拉美-罗界限的多源迁移学习理论框架,以解决数据稀缺问题。通过优化样本量和引入泛化误差度量,开发了算法OTQMS,实验结果表明其在准确性和数据效率上优于现有方法。

🏷️

标签

➡️

继续阅读