换一批摘要生物医学领域经常涉及多种数据类型,如图像、时间序列、各种组学分子数据等,通常存在样本稀缺和异质性的问题.如何充分利用有限的数据,同时解决数据的异质性问题,是生物医学领域面临的重要问题.迁移学习在生物医学领域的应用正在迅速推进.该方法可以缩小源域和目标域的差异,通过学习源域中已有的知识并提取两域的共享因子,将预测任务从源域迁移至目标域中.根据源域、目标域和两域任务的不同,迁移学习具有3种不同的应用场景.该文对迁移学习在生物医学领域的应用进行了分析,并结合3种场景下的不同应用实例进行对比,以探索迁移学习在该领域的现状和发展前景.
更多相关知识
关键词
迁移学习无监督学习监督学习生物医学Transfer LearningUnsupervised Transfer LearningSupervised Transfer LearningBiomedicine
分类号
R-1（现状与发展）
栏目名称
DOI
10.3969/j.issn.1674-1242.2023.04.004
发布时间
2024-01-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82130112）
- 浏览14
- 被引5
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
