Machine learningDeep learning / NLP / CV
المحول التكيفي للنطاق
المحول التكيفي للنطاق (DAT) هو نموذج قائم على المحولات - مثل BERT أو ViT - ممتد بهدف صريح لمحاذاة النطاق بحيث تنتقل التمثيلات المتعلمة بشكل جيد من نطاق مصدر مُصنّف إلى نطاق هدف مختلف، وغالبًا ما يكون غير مُصنّف. يجمع النهج بين القدرة التمثيلية القوية للمحولات وتقنيات تكييف النطاق مثل التدريب العدائي أو المحاذاة التباينية لتقليل تحول النطاق.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/ar/deep-learning/domain-adaptive-transformer
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- التعلم التحويليتعلم الآلة↔ قارن
- محوّل الرؤيةالتعلم العميق↔ قارن