التعلّم متعدد المهام
التعلّم متعدد المهام (Multitask Learning - MTL) هو نموذج في تعلّم الآلة يتم فيه تدريب نموذج واحد بشكل متزامن على مهام متعددة ذات صلة، مع مشاركة التمثيلات (representations) عبر هذه المهام لتحسين التعميم (generalization). تم تقديم MTL رسميًا بواسطة Rich Caruana في عام 1997، ويستند إلى الحدس القائل بأن المهام المساعدة تعمل كتحيّز استقرائي (inductive bias)، حيث توفر إشارات إشراف إضافية تساعد الطبقات المشتركة على تعلم تمثيلات ميزات أغنى وأكثر قوة مما يمكن أن ينتجه التدريب على مهمة واحدة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/ar/deep-learning/multitask-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التعلم المنهجيالتعلم العميق↔ compare
- تقطير المعرفةالتعلم العميق↔ compare
- التعلم التحويليتعلم الآلة↔ compare