一种基于迁移学习的神经网络模型复用方法与流程

技术特征：
1.一种基于迁移学习的神经网络模型复用方法，其特征在于，根据mmd来度量目标域与源域两个分布的相似性；再根据假设检验来判断目标域与源域的分布是否相同；若假设检验判断为两分布相同，则对深度神经网络模型进行finetune调整，实现深度神经网络模型的复用。2.根据权利要求1所述的一种基于迁移学习的神经网络模型复用方法，其特征在于，包括以下步骤：步骤1：当源域服从p分布、目标域服从q分布时，用mmd来度量两个分布的相似程度。步骤2：基于假设检验，判断源域p分布、目标域q分布是否相同。步骤3：根据假设检验的结果，若判定分布p、q为同分布，则可以进行基于finetune对神经网络模型进行迁移。步骤4：不同场景下的finetune方法。

技术总结
本发明公开了一种基于迁移学习的神经网络模型复用方法。根据MMD(最大平均差异)来度量目标域与源域两个分布的相似性。再根据假设检验来判断目标域与源域的分布是否相同。若假设检验判断为两分布相同，则对深度神经网络模型进行finetune调整，实现深度神经网络模型的复用。复用。复用。


技术研发人员：马文 李辉 张梅
受保护的技术使用者：云南电网有限责任公司信息中心
技术研发日：2021.07.31
技术公布日：2021/11/4