Domæne-adaptiv GRU
Domæne-adaptiv GRU kombinerer Gated Recurrent Unit-arkitekturen med domæneadaptationsteknikker til at træne en sekvensmodel på et mærket kildedomæne og overføre den til et andet, men relateret, måldomæne, hvilket reducerer ydelsesnedgang forårsaget af distributionsskift. Den anvendes bredt i NLP-opgaver som krydsdomæne-sentimentanalyse, navngiven entitetsgenkendelse og tekstklassificering, hvor mærkede måldomænedata er knappe.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/da/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.
- Domæneadaptivt Rekurrent Neuralt NetværkDyb læring↔ compare
- Domæne-adaptiv TransformerDyb læring↔ compare
- Finjusteret GRUDyb læring↔ compare
- Gated Recurrent Unit (GRU)Dyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →