Semi-supervised Transfer Learning
Semi-supervised Transfer Learning kombinerer viden overført fra et rigt annoteret kildedomæne med strukturen af rigelige, uannoterede måldomænedata, idet der kun anvendes et lille antal annoterede måleksempler for at opnå stærk generalisering, hvor fuld annotering er knap eller dyr.
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
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Transfer Learning. ScholarGate. https://scholargate.app/da/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.
- Label PropagationMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →