[发明专利]一种大数据跨领域分析的深度迁移学习方法

摘要

本发明提供一种大数据跨领域分析的深度迁移学习方法，通过根据联合分布差异和分类错误率，确定深度网络的损失函数的值，其中，联合分布差异为源域对应的所有任务相关层中的特征以及标签之间的联合概率分布与目标域对应的所有任务相关层中的特征以及标签之间的联合概率分布之间的分布差异；并基于损失函数的值，更新深度网络的参数，以使深度网络适配目标域；从而在对深度网络的迁移学习过程中，将联合分布差异作为深度网络的损失函数的值的组成部分，通过更新深度网络的参数，在保证源域准确率的同时实现源域和目标域联合分布的匹配，即提高了所有任务相关层的迁移能力，从而给深度网络在不同领域间的迁移学习带来更好的效果。

主权项

一种大数据跨领域分析的深度迁移学习方法，其特征在于，包括：确定第一联合概率分布与第二联合概率分布之间的联合分布差异，所述第一联合概率分布为源域的样本在深度网络的所有任务相关层中的特征以及标签之间的联合概率分布，所述第二联合概率分布为目标域的样本在所述深度网络的所有任务相关层中的特征以及标签之间的联合概率分布，所述任务相关层为所述深度网络的上层；确定对所述源域的样本的分类错误率；根据所述联合分布差异和所述分类错误率，确定所述深度网络的损失函数的值；基于所述损失函数的值，更新所述深度网络的参数，以使所述深度网络适配所述目标域。