什么叫逆向迁移技术-什么叫逆向迁移

逆向迁移是指一种在深度学习中常常遇到的现象，即当模型从训练数据中学习到的特点被用于推理时，这些特点可能会对模型的性能产生负面影响。例如，如果一个模型从大量男性图象中学习到了男性特定的脸部特点，那末当它被用来辨认女性图象时，这些特点可能会致使模型误判女性图象。

逆向迁移通常产生在深度学习模型过拟合或欠拟合的情况下。过度拟合可能致使模型在训练集上表现良好，但在测试集或新数据上表现不佳；而欠拟合则可能致使模型没法捕捉训练数据中的复杂关系，从而影响其泛化能力。

为了不逆向迁移，可以采取一些策略，如使用正则化技术（如L1和L2正则化）来避免模型过拟合，或通过增加训练数据量来提高模型的泛化能力。还可以尝试使用不同的模型结构、优化器等参数来改良模型的性能。

学习迁移的分类

1、根据迁移的性质划分，可以将迁移分为正迁移和负迁移。

正迁移：指一种学习对另一种学习起到积极的促进作用。如平面几何的学习促进立体几何的学习;阅读技能的掌握有助于写作技能的形成。

负迁移：指两种学习之间的相互干扰、阻碍。

2、根据迁移发生的方向划分，可以将迁移分为顺向迁移与逆向迁移。

顺向迁移：是指前面的学习影响着后面的学习。如温故而知新就是一种顺向迁移。

逆向迁移：后来的学习对先前的学习的影响。如：学完教育心理学后对之前学习的普通心理学产生的影响。

3、根据迁移的内容的不同，分为一般迁移和具体迁移。

一般迁移：又叫做非特殊迁移，是习得的原理、原则和态度对另一种学习的影响。如：学习数学的严谨态度应用到物理的学习当中。

具体迁移：又叫做特殊迁移，是指迁移发生时，习得的经验要素及其结构没有发生变化，只是将这些经验要素重新组合并移用到另一种学习当中，即具体经验迁移到另一种学习中。如：学习“木”对学习“森”的影响。

4、根据迁移发生的自动化程度，分为低通路迁移和高通路迁移。

低通路迁移：反复练习的技能自动化的迁移。它产生的主要条件是各种情境和条件下的过度练习，如：驾驶不同类型的汽车。

高通路迁移：有意识地将在某一情境下习得的抽象知识运用到新的情境中。它关注的是从情境中抽象出规则、核心概念或程序用以应用到新的情境中，如：利用数学知识设计校报的版式;利用做笔记策略来阅读文章。

5、根据迁移发生的学习情境的不同，分为近迁移和远迁移。

近迁移：把所学的经验迁移到原来的学习情境比较相近的情境中。如：学习解决有关汽车路程问题的应用题后，能够利用时间、速度和路程的关系解决自行车、飞机、步行等情境下的路程问题，这属于近迁移;把学习英语的方法应用到法语的学习中。

远迁移：个体能将所学的经验迁移到原来学习情境极不相似的其他情境中时。如：习解决有关汽车路程问题的应用题后，如果能用这种三量关系解决工程问题的应用题，就是远迁移;把学习英语的方法应用到物理的学习中。