一切关于迁移学习. Transfer Learning.
论文 • 教程 • 研究领域 • 理论 • 综述 • 代码 • 数据集与评测结果
硕博士论文 • 著名学者 • 比赛 • 期刊/会议 • 应用 • 其他资源 • 欢迎参与贡献
被顶级会议和期刊广泛使用:
- 会议: [CVPR'22] [NeurIPS'21] [IJCAI'21] [ESEC/FSE'20] [IJCNN'20] [ACMMM'18] [ICME'19]
- 期刊: [IEEE TKDE] [ACM TIST] [Information sciences] [Neurocomputing] [IEEE Transactions on Cognitive and Developmental Systems]
@Misc{transferlearning.xyz,
howpublished = {\url{http://transferlearning.xyz}},
title = {一切关于迁移学习与领域适应},
author = {Wang, Jindong 等人}
}
相关代码:
- 大型语言模型评估: [llm-eval]
- 大型语言模型增强: [llm-enhance]
- 稳健机器学习: [robustlearn: 稳健机器学习]
- 半监督学习: [USB: 统一的半监督学习基准] | [TorchSSL: 统一的SSL库]
- LLM基准: [PromptBench: LLM提示词的对抗性鲁棒性]
- 联邦学习: [PersonalizedFL: 个性化联邦学习库]
- 活动识别与机器学习 [活动识别]|[机器学习]
注意: 您可以直接在Github Codespaces上打开代码,在线运行,无需下载! 另外,尝试 github.dev.
0.论文 (Papers)
- Paperweekly: 一个推荐和阅读论文笔记的网站
最新论文:
更新于 2024-08-06:
更新于 2024-08-05:
- 加权风险不变性: 在不变特征偏移下的领域泛化 [arxiv]
- 在不变特征偏移下的领域泛化
1.简介与教程 (Introduction and Tutorials)
想快速学习迁移学习?Want to quickly learn transfer learning?看下面的教程。
-
书籍 书籍
-
博客 博客
-
视频教程 视频教程
- 迁移学习 迁移学习:
- 迁移学习的最新进展 - 2022年最新迁移学习发展现状探讨
- [迁移学习领域的定义 - 迁移学习领域名词解释](https://www.bilib
- 迁移学习 迁移学习:
-
简介与ppt资料
-
动手教程、代码、数据
2.迁移学习领域与相关论文
- 综述
- 理论
- 预训练/微调
- 知识蒸馏
- 传统领域自适应
- 深度领域自适应
- 领域泛化
- 无源领域自适应
- 多源领域自适应
- 异构迁移学习
- 在线迁移学习
- 零样本/小样本学习
- 多任务学习
- 迁移强化学习
- 迁移度量学习
- 联邦迁移学习
- 终身迁移学习
- 安全迁移学习
- 迁移学习应用
3.理论与综述
以下是一些关于迁移学习理论与综述的文章。
综述文章:
- 2023 Source-Free Unsupervised Domain Adaptation: A Survey [arxiv]
- 2022 Transfer Learning for Future Wireless Networks: A Comprehensive Survey
- 2022 A Review of Deep Transfer Learning and Recent Advancements
- 2022 Transferability in Deep Learning: A Survey, 来自清华大学龙明盛团队。
- 2021 Domain generalization: IJCAI-21 Generalizing to Unseen Domains: A Survey on Domain Generalization | 知乎文章 | 微信公众号
- 第一篇对领域泛化(Domain generalization)的综述
- 2021 Vision-based activity recognition: A Survey of Vision-Based Transfer Learning in Human Activity Recognition
- 2021 ICSAI A State-of-the-Art Survey of Transfer Learning in Structural Health Monitoring
- 2020 Transfer learning: survey and classification, Advances in Intelligent Systems and Computing.
- 2020 迁移学习最新综述,来自中科院计算所庄福振团队,发表在《IEEE汇刊》: A Comprehensive Survey on Transfer Learning
- 2020 负迁移的综述:Overcoming Negative Transfer: A Survey
- 2020 知识蒸馏的综述: Knowledge Distillation: A Survey
- 用迁移学习进行情感分类的综述:A Survey of Sentiment Analysis Based on Transfer Learning
- 2019 一篇新综述:Transfer Adaptation Learning: A Decade Survey
- 2018 迁移度量学习的综述: Transfer Metric Learning: Algorithms, Applications and Outlooks
- 2018 最近的非对称情况下的异构迁移学习综述:Asymmetric Heterogeneous Transfer Learning: A Survey
- 2018 神经风格迁移的综述:Neural Style Transfer: A Review
- 2018 深度领域自适应的综述: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 迁移学习综述。其中交代了一些比较经典的如同构、异构等学习方法的代表性文章。
- 2015 中文综述:迁移学习研究进展
- 2010 迁移学习综述
- 应用导向的综述:
理论文章:
- ICML-20 因果机制迁移的少样本领域自适应
- 首篇关于因果迁移学习的工作
- 日本理论组大佬Sugiyama的工作,因果迁移学习
- CVPR-19 表征和避免负迁移
- 表征并避免负迁移
- 形式化并提出如何避免负迁移
- ICML-20 关于学习语言不变表征以实现通用机器翻译
- 通用机器翻译的理论
- 对统一机器翻译模型进行了理论论证
- NIPS-06 领域自适应的表征分析
- ML-10 跨领域学习理论
- NIPS-08 领域自适应的学习界限
- COLT-09 领域自适应:学习界限与算法
- MMD 文章:分布的Hilbert空间嵌入 和 一种核两样本检验
- 多核MMD 文章: 大规模两样本检验的最优核选择
4.代码
统一代码库:
更多:查看 此处 和 此处,通过Google的Colab进行即时运行。
5.迁移学习领域的学者
以下是一些迁移学习领域的学者及其研究室。
完整列表及代表性工作见这里
请注意,此列表并不完整。完整列表可在这里查看。迁移学习是一个活跃的领域。如果你了解其他学者,请在此添加。
6.迁移学习硕博士论文
以下是一些关于迁移学习的热门论文。
点击这里,提取码:txyz。
7.数据集与评测结果
请查看这里获取流行的迁移学习数据集和基准结果。
这里整理了常用的公开数据集和一些已发表的文章在这些数据集上的实验结果。
8.迁移学习挑战赛
期刊与会议
相关期刊和会议的完整列表请查看[这里](https://github.com/jindongwang/transferlearning/blob/master/doc/venues
迁移学习应用请见这里。
其他资源
-
征稿信息:
- 迁移学习的进展:理论、算法和应用,截止日期:2021年10月
-
相关项目:
- Salad: 一个半监督领域适应库
欢迎参与贡献
如果你有兴趣参与贡献,请参考这里的贡献指南。
版权声明
[备注]此Github仓库可以根据相应的许可证使用。我要强调的是,它可能包含一些由我下载的PDF或论文,这些资料仅供学术用途。这些材料的版权归相应的出版商或组织所有。所有这些都是为了更好地进行学术研究。如果任何作者或出版商有疑虑,请与我联系以删除或替换它们。