Xarxa neuronal recurrent adaptativa al domini
Una xarxa neuronal recurrent adaptativa al domini (DA-RNN) és una xarxa neuronal recurrent entrenada en un domini font i adaptada a un domini destí utilitzant tècniques d'adaptació de domini com ara l'entrenament adversarial, l'alineació de característiques o el *fine-tuning*. Permet que els models seqüencials generalitzin entre dominis quan les dades etiquetades del domini destí són escasses o no estan disponibles.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- Ganin, Y., Ustunova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(59), 1–35. 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/ca/deep-learning/domain-adaptive-recurrent-neural-network
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Classificació basada en BERT adaptada al dominiAprenentatge profund↔ compara
- Transformer Adaptatiu al DominiAprenentatge profund↔ compara
- Xarxa Neuronal Recurrent FinetunedAprenentatge profund↔ compara
- Long Short-Term Memory (LSTM)Aprenentatge profund↔ compara
- Xarxa Neuronal RecurrentAprenentatge profund↔ compara
- Aprenentatge per transferència amb xarxa neuronal recurrentAprenentatge profund↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →