一种基于深度神经网络的迁移学习方法

深度学习方法是通过模拟人脑思维模式层层构造神经网络不断对数据集进行解释的一种方法,是可以对数据集内部联系以及数据集内在特征进行深层次学习的方法,在图像、文本和声音等处理中已经得到了广泛的应用,深受广大研究者的关注。但是对于深度学习过程中所需要的大量数据集的获得过程是一个耗费大量人力物力和计算资源的过程,如果把这些数据丢弃掉,在不同分布空间中再重新获得,将造成巨大的浪费,因此,通过对当前已有的深度学习技术与迁移学习技术相结合,以便在更进一步提高模型精度的同时,也会在不同分布空间下对已经得到的训练数据进行重用。