设为首页 | 加为收藏 | 联系我们 | [登录] | [注册]
在研项目
面向大数据的安全迁移学习方法
发布时间:2017-09-04 15:09:58| 浏览次数:

1、项目来源

自然科学基金

2、项目摘要

随着互联网的快速发展,信息网络中产生了大量无标记或弱标记数据,这给基于标记数据的有监督机器学习方法带来了新的挑战。与此同时,维基百科等语义网络中维护了丰富的标记数据,如何迁移和复用这些标记数据是实现弱监督机器学习的关键。迁移学习是一种重要的弱监督机器学习技术,其目标是在异构领域间挖掘不变特征结构和无偏识别模型,提高机器学习的跨领域泛化性能。近年来各种迁移学习理论和方法发展非常迅速,但在模型安全性和算法可扩展性方面仍存在瓶颈,因而尚不能很好满足大规模跨领域数据的分析需求。本项目拟研究面向大数据的安全迁移学习方法,重点突破模型安全性和算法可扩展性瓶颈,主要研究内容有:多核分布差异度量方法、低偏差方差分布校正方法、深度网络迁移学习方法、迁移哈希学习方法,以及这些方法的可扩展优化算法和分布式系统实现。本项目的研究将有助于推动迁移学习技术的成熟和完善,为非平稳环境下大数据分析挖掘提供坚实的技术支撑。


 
 
 上一篇:跨网络链接预测研究
 下一篇:工程机械产品全生命周期闭环信息管理应用示范
在研项目
联系我们

大数据系统软件国家工程实验室

申报单位:清华大学,北京理工大学

共建单位:中国人民解放军国防科学技术大学、中山大学、北京百度网讯科技有限公司、腾讯云计算(北京)有限责任公司、北京大学、中国人民大学、阿里云计算有限公司

地 址:北京市海淀区清华大学

联系人:宗慧

电 话:010-62791196

邮 编: 100084

版权所有:大数据系统软件国家工程实验室

备案号:京ICP备17012374号