Semisupervisední přenosové učení
Semisupervisední přenosové učení (Semi-supervised Transfer Learning) kombinuje znalosti přenesené z bohatě označené zdrojové domény se strukturou hojných neoznačených dat cílové domény, přičemž využívá pouze malou sadu označených cílových příkladů k dosažení silné generalizace tam, kde je úplná anotace vzácná nebo drahá.
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
- Zhuang, F., Qi, Z., Duan, K., Xi, D., Zhu, Y., Zhu, H., Xiong, H., & He, Q. (2021). A comprehensive survey on transfer learning. Proceedings of the IEEE, 109(1), 43–76. DOI: 10.1109/JPROC.2020.3004555 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Transfer Learning. ScholarGate. https://scholargate.app/cs/machine-learning/semi-supervised-transfer-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.
- Propagace popiskůStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Přenosové učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →