老虎机游戏

　　近日，老虎机游戏工学院生物多样性智慧监测科研团队在面向无监督域适应的迁移特征学习研究方面取得新进展。

　　针对现有域适应图像识别方法存在负迁移、深度神经网络体系结构设计的固有局限性等问题，受特征正则化和归一化启发，通过调整两个域的特征范数来避免负迁移，并通过替换主流深度主干中现有的归一化技术来促进正迁移，实现深度神经网络跨域生成更多可迁移的特征。可迁移正则化和归一化方法可以容易地嵌入到深度迁移学习方法中，对于类似野生动物图像等复杂环境图像域适应和小样本目标检测具有重要的提升作用和潜在应用价值。

　　上述研究成果在计算机科学领域著名期刊《Information Sciences》(影响因子: 6.077)上发表，题目为《Transferable Regularization and Normalization: Towards Transferable Feature Learning for Unsupervised Domain Adaptation》。第一作者为工学院生物多样性智慧监测科研团队青年教师张长春，老虎机游戏为唯一完成单位，本研究得到了北京市自然科学基金面上项目（6192019）的资助。

　　文章链接：https://doi.org/10.1016/j.ins.2022.07.083