监督2监督
对原始权值加正则化，使前后权值接近，同时最小化loss使得输出接近
固定大部分（lr=0或0.0001），仅学习一小部分参数
共用一些层，但最终保证多个任务的效果。右侧两任务数据不相似，结果不好保证；推荐左侧。
可以相互（可选）利用不同任务的信息
监督2无监督
类似于GAN，可以使用其他数据集与当前数据集无法区分，并帮助训练当前数据集完成目标任务
零样本学习
两个网络，一个nn作为真值，一个作为预测，令匹配属性和不匹配属性距离尽量大
例子：
监督2监督
相关文章：