0、摘要

1、介绍

2、相关工作

3、概述

3.1、符号

3.2、定义

3.3、迁移学习分类

4、基于数据的解释

4.1、实例加权策略

4.2、特征转换策略

4.2.1、分布差异度量

4.2.2、特征增强

4.2.3、特征映射

4.2.4、特征聚类

4.2.5、特征选择

4.2.6、特征编码

4.2.7、特征对齐

5、基于模型的解释

5.1、模型控制策略

5.2、参数控制策略

5.2.1、参数共享

5.2.2、参数限制

5.3、模型集成策略

5.4、深度学习技术

5.4.1、传统深度学习

5.4.2、对抗性深度学习

6、应用

6.1、医疗应用

6.2、生物信息学应用

6.3、交通应用

6.4、推荐系统应用

6.5、其他应用

社交应用
城市计算应用

7、实验

7.1、数据集和预处理

7.2、实验设置

7.3、实验结果

8、总结与展望