Semi-supervised Transfer Learning
Semi-supervised Transfer Learning kombiniert Wissen, das aus einem reichhaltig annotierten Quelldomäne übertragen wurde, mit der Struktur reichlich vorhandener unbeschrifteter Zieldomänendaten. Dabei wird nur ein kleiner Satz beschrifteter Zielbeispiele verwendet, um eine starke Generalisierung zu erreichen, wo eine vollständige Annotation selten oder teuer ist.
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
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Semi-supervised Transfer Learning. ScholarGate. https://scholargate.app/de/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 PropagationMaschinelles Lernen↔ compare
- Selbstüberwachtes LernenMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →