Байесов трансферно обучение
Байесово трансферно обучение е вероятностна рамка, която използва знания от източник с изобилие от данни за конструиране на информативни априорни разпределения за модел, обучен върху целеви домейн с ограничени данни. Чрез кодиране на знанията от източника като априорни разпределения върху параметрите, рамката позволява на модела да обобщава добре върху целевата задача дори при много ограничени етикетирани примери.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. link ↗
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/bg/machine-learning/bayesian-transfer-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.
- Байесов Гаусов ПроцесМашинно обучение↔ compare
- Обучение с малко примериМашинно обучение↔ compare
- Полу-обучено трансферно обучениеМашинно обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →