GEO（全称Global Engine Optimization）即全球搜索引擎优化，是指通过技术手段提升网站在全球范围内各类搜索引擎和AI智能平台中可见性的综...

为应对不断加剧的抗生素耐药危机，研究人员开发了一种基于生成式人工智能的大规模抗菌肽（AMPs）发现策略。AMPs 具有广谱活性、快速杀菌机制以及较低的耐药风险，...

该方法证明多语言模型能通过迁移学习捕获跨语言通用特征，特别适用于资源匮乏语言场景，为语音助手的全球化部署提供高效解决方案。

糖尿病视网膜病变（DR）是全球视力丧失的主要原因，通过自动化视网膜图像分析进行早期诊断可显著降低失明风险。本文提出一种鲁棒的深度学习框架，结合迁移学习和大规模数...

# To add a new markdown cell, type '# %% [markdown]'

迁移学习已由**“小众技巧”演变成“深度学习默认范式”**。随着 自监督预训练、大模型、联邦学习 的融合，未来的迁移学习将在 跨任务、跨模态、跨设备 的场景中继...

本研究旨在探索如何应用迁移学习技术对交通标志图像进行分类。通过构建适用于Torchvision的图像数据集，并利用预训练模型进行微调，我们实现了对原始像素的交通...

我们选择使用预训练的ResNet - 50网络。ResNet - 50在超过一百万张图像上进行了训练，能够将图像分类为1000个对象类别。通过迁移学习，我们可以...

迁移学习是指将预训练模型在一个任务上学习到的知识迁移到另一个相关任务中。在迁移学习中，我们可以利用已有的模型参数，减少训练时间并提高模型的性能。

迁移学习（Transfer Learning）作为深度学习中的一种重要技术，已经广泛应用于各种视觉任务，如图像分类、目标检测等。通过利用在大规模数据集（如Ima...

迁移学习的核心是通过“知识迁移”，即将源领域模型的知识转移到目标领域，来加速目标领域任务的学习。在迁移学习中，通常使用预训练模型（如ResNet、VGG等）作为...

在自然语言处理（NLP）领域蓬勃发展的今天，众多高资源语言如英语、中文等凭借丰富的数据和成熟的技术，取得了显著的进步。然而，世界上还有大量的低资源语言，它们因缺...

迁移学习是一种通过借用在一个任务中获得的知识，来帮助解决另一个相关任务的方法。它能显著加速模型的训练过程，特别适用于数据稀缺或计算资源有限的情况。就像骑自行车的...

蛋白质磷酸化在多种生物学过程中发挥着关键作用，其失调与多种人类疾病密切相关，例如神经退行性疾病和癌症。尽管目前已经发现了很多磷酸化位点，但绝大多数磷酸化位点的功...

2024年1月29日，PNAS上发表文章Transfer learning to leverage larger datasets for improved p...

机器学习（ML）是利用算法从数据中提取模式并进行预测或决策的技术。不同的学习范式适用于不同的任务和数据类型。本文将简要概述常见的机器学习范式，包括监督学习、无监...

在人工智能的发展历程中，数据和模型的学习方式不断演进。迁移学习和联邦学习作为两种重要的技术，正逐渐成为行业关注的焦点。

基于迁移学习的强化学习（Reinforcement Learning with Transfer Learning，简称 RL-TL）是将迁移学习（Trans...