Jindong Wang

@haoguosheng 这个在开发版本中已修正

@zhangjiantianyasmile 已更正，感谢！

@xpf 没懂你的意思。。。

@CuthbertCai 两个都是1，这个是没错的，区别是前面来自source，后面来自target

@CuthbertCai 我看到了！现在这个公式是4.19了，我刚刚看偏了，可能咱们看的版本不一样。确实需要更正！

@yuyaxiong 感谢指正!写的有些简单了

1. 图31不是某篇论文的结果，是各个结果综合起来的。杨强老师演讲多次用过此图。使用的应该是office数据集。 2. 现在的迁移方法绝大多数都是深度和对抗迁移。 3. 深度方法可以学习到更深层的特征，结合对抗能够学习到比较好的迁移特征。 在2019年2月20日 10:25，hu bifeng 写道： 您好，关于深度迁移学习中图31（page 38）的说明，该图是引用的哪篇论文？使用的什么数据集？ 还有以下几点疑惑需要请教您： 1. 目前，迁移学习主要都是深度迁移学习方法来做吗？或者深度迁移学习与传统迁移学习方法的结合？ 2）相比传统的迁移学习方法，深度迁移学习方法主要是在哪方面进行迁移比较有优势（数据分布 or 特征 or 子空间 ）？ — You are receiving this because you were mentioned....

@A-suozhang AdaBN的结果有点玄学，没能复现成功。。。

@youngfish42 在等你一起更呀

@flatblackwhite 说的太对了:)