Фино настроен многослоен персептрон
Фино настроен многослоен персептрон (Fine-Tuned Multilayer Perceptron) започва с тегла, научени от изходна задача — или голям набор от данни с общо предназначение — и продължава обучението върху по-малък целеви набор от данни с намалена скорост на обучение. Това повторно използване на предварително научени представяния позволява на MLP да конвергира по-бързо и да обобщава по-добре, отколкото при обучение от нулата, особено когато етикетните целеви данни са оскъдни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27, 3320–3328. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Fine-Tuned Multilayer Perceptron (Transfer Learning via MLP Weight Adaptation). ScholarGate. https://scholargate.app/bg/deep-learning/fine-tuned-multilayer-perceptron
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Фина настройка на конволюционна невронна мрежаДълбоко обучение↔ сравняване
- Фино настроен LSTMДълбоко обучение↔ сравняване
- Фино настройване на ТрансформърДълбоко обучение↔ сравняване
- Многослоен персептрон (MLP)Дълбоко обучение↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →