Регуляризирано трансферно обучение
Регуляризираното трансферно обучение прилага експлицитни наказателни членове към конвейер за трансферно обучение, за да контролира доколко моделът се отклонява от знанието от източния домейн при адаптиране към нов целеви домейн. Регуляризаторът обезкуражава негативния трансфер — вредното пренасяне на ирелевантни източници на модели — като същевременно запазва полезни споделени репрезентации и предотвратява преобучаване, когато етикетите от целевия домейн са оскъдни.
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
- 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 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/bg/machine-learning/regularized-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.
- Обучение с малко примериМашинно обучение↔ compare
- Метрично обучениеМашинно обучение↔ compare
- Регуляризирана логистична регресияМашинно обучение↔ compare
- Регуляризиран случаен лесМашинно обучение↔ compare
- Полу-обучено трансферно обучениеМашинно обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →