收录：
摘要：
本发明公开了一种基于样本权重的多源域多层级迁移学习方法，包括：获取与目标任务相似的多个源域的数据集及相应的深度学习网络模型；采用最大均值差异法计算各源域样本权重；分别计算多个源域与低资源目标域的相似度，获得每个源域的领域权重；融合从各源域各源域迁移的层，构建目标域神经网络模型；使用采集的目标域数据集对目标模型进行训练。本发明通过获取已公开的数据集以及由该数据集训练好的神经网络模型，并将其作为迁移学习的源域数据集和源域模型，按照基于样本权重的方法衡量每个源域与目标域的相似性，继而对源域模型进行不同层级的迁移，实现目标域神经网络模型的构造，完成目标域样本不充足的场景下的深度学习任务。
关键词：
通讯作者信息：
电子邮件地址：
