A visual analytical approach for transfer learning in classification

طبقه بندی می تواند بسیار دشوار است زمانی که مجموعه داده های بسیار بزرگ است، و یا زمانی که داده های آموزشی در زمینه حوزه دشوار است برای به دست آوردن. یک راه حل قابل قبول برای این چالش، یادگیری انتقال است که دانش را از وظایف منبع استخراج می کند و دانش را برای وظایف هدف قرار می دهد. طرح های یادگیری انتقال یافته به طور معمول فرض می کنند که شباهت بین کار منبع و کار هدف تا حدودی. این فرض در برخی از برنامه های کاربردی واقعی وجود ندارد؛ تحلیلگران نا آشنا با استراتژی یادگیری می توانند از طریق روابط انتقال پیچیده و فرایند انتقال غیر شهودی ناامید شوند. این مقاله مجموعه ای از تکنیک های ارتباط بصری و تعامل را برای حمایت از روند یادگیری انتقال ارائه می دهد. علاوه بر این، یک روش پیشگام روش یادگیری انتقال بصری در زمینه طبقه بندی پیشنهاد شده است. راه حل ما شامل یک رابط ارتباطی بصری است که اجازه می دهد تا اکتشاف جامع کل روند انتقال دانش و ارتباط بین وظایف. با استفاده از این تکنیک ها و روش شناسی، تحلیلگران می توانند به طور مستقیم وظایف و اطلاعات مربوطه را انتخاب کنند و همچنین تجربیات و تجربیات خود را در فرآیند تحلیل تجزیه و تحلیل کنند. ما روایی و کارایی طراحی بصری و رویکرد تجزیه و تحلیل را با نمونه هایی از طبقه بندی متن ارائه می دهیم.