چکيده
بهره‌گيري از دانش استخراج شده از نمونه داده‌هاي آموزشي مشاهده شده قبلي جهت پيش‌بيني برچسب نمونه‌هاي آزمايشي جديد كه در آن توزيع داده‌هاي آموزشي و آزمايشي يكسان نيستند، هدف انتقال يادگيري به شمار مي‌رود. برخلاف روش‌هاي يادگيري ماشين سنتي كه در آنها توزيع يكسان داده‌هاي آموزشي و آزمايشي يك فرض محسوب مي‌شود، در انتقال يادگيري اين فرض وجود نداشته و هدف آن بكارگيري سريع و موثر از دانش انباشته شده در مدل‌هاي ايجاد شده با نمونه‌هاي آموزشي، در دامنه‌اي متفاوت از نمونه‌هاي آزمايشي است. تحقق اين امر در زندگي روزمره انسان مكررا" رخ مي دهد. فردي كه دانش دوچرخه سواري را فرا گرفته است مي‌تواند از اين دانش در فراگيري سريع و موثر موتور سواري استفاده نمايد. استفاده از يك مدل آموزش ديده در رده‌بندي داده‌هائي با ويژگي‌هاي سيب، جهت پيش‌بيني برچسب داده‌هائي با ويژگي‌هاي گلابي به كمك استفاده از دانش قبلي، هدفي است كه در انتقال يادگيري دنبال مي‌شود. اين در حالي است كه در فرآيند پيش‌بيني برچسب در يادگيري ماشين سنتي، مدل بايد با داده‌هاي جديدي كه شامل ويژگي‌هاي گلابي است، مجددا" آموزش داده شود. اين كار علاوه بر هزينه‌بر بودن، دانش مفيد استخراج شده قبلي را نيز از بين مي‌برد. هدف از اين پژوهش، بررسي انتقال يادگيري، رويكردها و كاربردهاي آن است. ضمن تعريف انتقال يادگيري به رويكردهاي انتقال يادگيري شامل انتقال نمونه، انتقال نماينده ويژگي، انتقال پارامتر و انتقال دانش رابطه‌اي اشاره نموده و موارد استفاده از اين رويكردهادر شبكه‌هاي عصبي، بيز، سيستم‌هاي فازي و الگوريتم‌هاي ژنتيك مورد بررسي قرار خواهند گرفت. همچنين اشاراتي به كاربرد انتقال يادگيري در زمينه‌هاي پردازش زبان طبيعي، بينايي ماشين، زيست‌شناسي، مديريت مالي و مديريت كسب وكار خواهد شد.
