মাল্টিটাস্ক লার্নিং
মাল্টিটাস্ক লার্নিং (MTL) হলো একটি মেশিন লার্নিং প্যারাডাইম যেখানে একটি মডেলকে একাধিক সম্পর্কিত কাজের উপর একই সাথে প্রশিক্ষণ দেওয়া হয়, সাধারণীকরণ উন্নত করার জন্য তাদের মধ্যে উপস্থাপনা ভাগ করে নেওয়া হয়। ১৯৯৭ সালে রিচ কারুয়ানা আনুষ্ঠানিকভাবে এটি চালু করেন, MTL এই ধারণার উপর ভিত্তি করে তৈরি যে সহায়ক কাজগুলি ইন্ডাকটিভ বায়াস (inductive bias) হিসাবে কাজ করে, অতিরিক্ত তত্ত্বাবধান সংকেত প্রদান করে যা শেয়ার্ড লেয়ারগুলিকে একক-কাজের প্রশিক্ষণের চেয়ে সমৃদ্ধ, আরও শক্তিশালী বৈশিষ্ট্য উপস্থাপনা শিখতে সাহায্য করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/bn/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.
- কারিকুলাম লার্নিংগভীর শিখন↔ compare
- নলেজ ডিস্টিলেশন (Knowledge Distillation)গভীর শিখন↔ compare
- ট্রান্সফার লার্নিংযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →