Xin Xiong

新的GART方法通过对抗性源混合增强迁移学习

研究人员开发了一种名为引导对抗鲁棒迁移（GART）学习的新方法，以改进机器学习中的迁移学习。该方法旨在利用来自不同源数据集的知识，即使这些数据集与目标域不完全相似，也能增强新任务的性能。GART针对各种源混合分布优化对抗性损失，与现有的迁移学习技术相比，展示了更快的收敛速度以及更优越的鲁棒性和准确性。该方法已成功应用于使用大规模电子健康记录的基因预测模型。