Adaptivní Transformer pro doménu
Adaptivní Transformer pro doménu (DAT) je model založený na Transformeru — jako je BERT nebo ViT — rozšířený o explicitní cíl zarovnání domén, aby se naučené reprezentace dobře přenesly z označené zdrojové domény do odlišné, často neoznačené, cílové domény. Přístup kombinuje silnou kapacitu reprezentace Transformerů s technikami adaptace domény, jako je adversariální trénink nebo kontrastivní zarovnání, k minimalizaci posunu domény.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/cs/deep-learning/domain-adaptive-transformer
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.
- Přenosové učeníStrojové učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →