Transformer Adaptatiu al Domini
Un Transformer Adaptatiu al Domini (DAT) és un model basat en Transformer —com BERT o ViT— estès amb un objectiu explícit d'alineació de dominis, de manera que les representacions apreses es transfereixin bé d'un domini font etiquetat a un domini objectiu diferent, sovint no etiquetat. L'aproximació combina la potent capacitat de representació dels Transformers amb tècniques d'adaptació de dominis com l'entrenament adversarial o l'alineació contrastiva per minimitzar el canvi de domini.
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
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/ca/deep-learning/domain-adaptive-transformer
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.
- Aprenentatge per transferènciaAprenentatge automàtic↔ compara
- Vision TransformerAprenentatge profund↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →