[Transfer learning - Wikipedia](https://en.wikipedia.org/wiki/Transfer_learning) - > 転移学習（TL）とは，ある問題を解決する際に得られた知識を，関連する別の問題に応用することに焦点を当てた[[機械学習]]（ML）の研究課題である． - West, Jeremy; Ventura, Dan; Warnick, Sean (2007). "Spring Research Presentation: A Theoretical Foundation for Inductive Transfer". Brigham Young University, College of Physical and Mathematical Sciences. Archived from the original on 2007-08-01. Retrieved 2007-08-05. - > 実用面では、過去に学習したタスクの情報を新たなタスクの学習に再利用または転送することで、[[強化学習]]エージェントのサンプル効率を大幅に向上させることができる可能性がある。 - George Karimpanal, Thommen; Bouffanais, Roland (2019). "Self-organizing maps for storage and transfer of knowledge in reinforcement learning". Adaptive Behavior. 27 (2): 111–126. arXiv:1811.08318. --- [[転移学習 - 神嶌 敏弘 人工知能学会誌 2010年]] > 新規タスクの効呆的な仮説を効率的に見つけ出すために，一つ以上の別のタスクで学習された知識を得 て，それを適用する問題 > ある問題を効果的かつ効率的に解くために， 別 の 関 連 し た 問 題 の デ ー タや学習結果を再利用するのが転移学習である。 共変量シフト、標本選択バイアスなどは転移学習のより限定された分野。 ![[Pasted image 20220712183809.png]] ![[Pasted image 20220712183817.png]]