目标变化仍高效
通过最优传输刻画全部目标间相关性并据此衡量模型可重用性，显著优于现有基准。
Lanjihong, Ma · Ding, Yaoxiang · 赵鹏 · 周志华
IEEE Transactions on Neural Networks and Learning Systems 2024
通过复用已训练模型适配新目标，避免为每个目标重新训练的高昂计算成本。
统一考虑所有先前目标和新目标之间的相关性，包括先前目标彼此间的相关性，而不是仅考虑先前-新目标对。
在实验中，所提方法在性能上显著超过现有基准，证明更准确的相关性建模能提升学习效果。