Bayesianisches Transfer-Lernen
Bayesian Transfer Learning ist ein probabilistisches Framework, das Wissen aus einer quellenseitigen Domäne mit vielen Daten nutzt, um informative Priors für ein Modell zu konstruieren, das auf einer zielseitigen Domäne mit wenigen Daten trainiert wird. Durch die Kodierung von quellenseitigem Wissen als Priori-Verteilungen über Parameter ermöglicht das Framework dem Modell, auch mit sehr begrenzten gelabelten Beispielen gut auf die Zielaufgabe zu generalisieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. link ↗
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/de/machine-learning/bayesian-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.
- Bayesian Gaussian ProcessMaschinelles Lernen↔ compare
- Few-Shot LearningMaschinelles Lernen↔ compare
- Semi-supervised Transfer LearningMaschinelles Lernen↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →