転移学習（てんいがくしゅう）

概要解説

転移学習は、ある問題を解決する際に得た知識を蓄積し、関連する別の問題に再利用・適用することで性能向上を図る機械学習の研究領域である。あらかじめ少数の基本的・要素的な知識を学習させておき、それらの知識の組み合わせによって多様な対象の推定や認識を図るアプローチも含まれる。歴史的には、1976年にStevo BozinovskiとAnte Fulgosiがニューラルネットワークにおける転移学習の論文を発表した。1981年には文字画像のデータセットに対してニューラルネットワークを学習させた研究が報告された。1992年から1993年にかけてLorien Prattが識別性に基づく転移（DBT）アルゴリズムを定式化した。1998年頃にはマルチタスク学習を含む理論的基盤の発展が見られた。