迁移学习，强化学习汇总

迁移学习Transfer learning

什么是迁移学习？

所谓迁移学习，或者领域适应Domain Adaptation，一般就是要将从源领域（Source Domain）学习到的东西应用到目标领域（Target Domain）上去。源领域和目标领域之间往往有gap/domain discrepancy（源领域的数据和目标领域的数据遵循不同的分布）。

简单说迁移学习可以从现有的数据中迁移知识，用来帮助将来的学习。目标是将从一个环境中学到的知识用来帮助新环境中的学习任务。把别处学得的知识，迁移到新场景的能力。有了这个，AI的进化就上道了。

迁移学习能够将适用于大数据的模型迁移到小数据上，实现个性化迁移。

迁移什么，怎么迁移，什么时候能迁移，这是迁移学习要解决的主要问题。

强化学习

强化学习是机器学习的一个分支，但与常见监督学习和无监督学习不太一样。强化学习旨在选择最优决策，它讲究在一系列的情景之下，通过多步恰当的决策来达到一个目标，是一种序列多步决策的问题。

（扫盲）从强化学习基本概念到Q学习的实现，打造自己的迷宫智能体

====== 相关资料汇总：======

比较全的资料：

迁移学习全面概述：从基本概念到相关研究

深度学习 -> 强化学习 ->迁移学习（杨强教授报告）

什么是迁移学习 (Transfer Learning)？这个领域历史发展前景如何？（知乎）