Adaptivní GRU
Adaptivní GRU kombinuje architekturu Gated Recurrent Unit s technikami adaptace domény pro trénování sekvenčního modelu na označené zdrojové doméně a jeho přenos do odlišné, ale související cílové domény, čímž snižuje pokles výkonu způsobený posunem distribuce. Široce se uplatňuje v úlohách zpracování přirozeného jazyka (NLP), jako je křížově-doménová analýza sentimentu, rozpoznávání pojmenovaných entit a klasifikace textu, kde jsou označená data cílové domény vzácná.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014 (pp. 1724–1734). Association for Computational Linguistics. link ↗
- Ganin, Y., Ustinova, 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(1), 2096–2030. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/cs/deep-learning/domain-adaptive-gru
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.
- Doménově adaptivní rekurentní neuronová síťHluboké učení↔ compare
- Adaptivní Transformer pro doménuHluboké učení↔ compare
- Jemně doladěný GRUHluboké učení↔ compare
- Gated Recurrent Unit (GRU)Hluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →