技术特征：
技术总结
本发明提供一种领域适应性网络的深度迁移学习方法，通过根据每一任务相关层对应的分布差异，分类错误率和错配度，确定领域适应性网络的损失函数的值，其中，任一任务相关层对应的分布差异为源域与目标域分别对应的该任一任务相关层中的特征的概率分布之间的分布差异；并基于损失函数的值，更新领域适应性网络的参数，以使领域适应性网络适配目标域；从而将源域和目标域分别对应的每一任务相关层中的特征的概率分布之间的分布差异作为领域适应性网络的损失函数的值的组成部分，在不同领域间同时匹配了深度网络的每一任务相关层，更好地修正边缘分布和条件分布在不同领域间的差异，保证了迁移学习的可靠性，最终保证领域适应性网络迁移学习的效果。
技术研发人员：龙明盛;王建民;陈新阳;黄向东
受保护的技术使用者：清华大学
技术研发日：2017.11.23
技术公布日：2018.04.24