.png){kind=icon}
返回
A second-order knowledge filter transfer learning algorithm for modeling nonlinear systems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11431-024-2857-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
迁移学习算法能够将先验知识转化为线性化知识以建模非线性系统。然而，基于线性化知识的模型在知识线性化过程中，由于忽略了高阶项信息，容易发生发散。为克服这一问题，提出了一种用于非线性系统建模的二阶知识滤波迁移学习算法（SOFTLA）。首先，引入一种知识转换策略，将线性化源知识转化为包含一阶和二阶项的综合知识。与原始知识相比，包含二阶项的转换后源知识能够防止在知识线性化过程中出现信息损失。其次，提出一种知识滤波算法以消除源知识中的无用信息。随后，设计合适的滤波增益以减少知识更新过程中的累积误差。第三，设计了一种模型适应机制，通过同时更新目标模型的结构和参数，实现有效的知识迁移。随后，增强源知识的适应性，以促进目标域中的学习任务。最后，通过一个基准问题和多个实际工业应用案例来验证SOFTLA的优越性。实验讨论表明，SOFTLA相较于对比方法具有明显优势。
Keyword:
transfer learning
knowledge transformation strategy
knowledge filter algorithm
model adaptation mechanism
期刊
IF:
4.9
论文数:
5.0K
被引数:
9.9K
机构
引用论文
Extended and Unscented Kalman filtering based feedforward neural networks for time series prediction
OAAI
OAAI分享收藏
Transfer learning-based discriminative correlation filter for visual tracking.png)
PATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏
查看更多内容