Adaptive Multigranularity Fuzzy Transfer Learning Algorithm

Hongxu Liu

doi:10.1109/TFUZZ.2025.3580443

Adaptive Multigranularity Fuzzy Transfer Learning Algorithm

2025-10-31

0

PRE

AI

DOI：10.1109/TFUZZ.2025.3580443

原文链接

原文求助

摘要

En 中文

模糊迁移学习（FTL）算法能够利用源域的粗粒度知识来学习目标域中具有固有不确定性的相关任务。然而，由于目标域中的不确定性会动态变化，依赖单一知识粒度往往难以有效适应当前的学习任务。为解决此挑战，我们提出了一种自适应多粒度模糊迁移学习算法（AMG-FTL），旨在利用不同粒度级别的源知识。AMG-FTL具有三个主要特点：首先，我们建立了一种知识挖掘机制，用于在不同粒度（细粒度、中粒度和粗粒度）上重构源知识，使源知识与目标任务更紧密对齐并弥合场景间的差距；其次，我们提出了一个自适应粒度学习框架，旨在有效整合源知识的多样化粒度水平。该方法旨在增强目标模糊神经网络的学习能力，使其更好地适应源知识的内在复杂性，同时提高其泛化性能；此外，我们对所提出的AMG-FTL进行了理论分析，揭示了其收敛特性和误差界限。在一系列基准问题和实际应用中的实验结果表明，AMG-FTL在性能上显著优于该领域现有的几种领先算法。

Keyword:

Adaptive knowledge granularity

fuzzy transfer learning (FTL) algorithm

generalization performance

knowledge over-fitting

knowledge under-fitting

Adaptive Multigranularity Fuzzy Transfer Learning Algorithm

摘要

期刊

机构

引用论文