Προσαρμοστικός Μετασχηματιστής Τομέα
Ένας Προσαρμοστικός Μετασχηματιστής Τομέα (Domain-Adaptive Transformer - DAT) είναι ένα μοντέλο βασισμένο στον Μετασχηματιστή (Transformer) — όπως το BERT ή το ViT — το οποίο επεκτείνεται με έναν ρητό στόχο ευθυγράμμισης τομέα, ώστε οι μαθημένες αναπαραστάσεις να μεταφέρονται καλά από έναν επισημασμένο πηγαίο τομέα σε έναν διαφορετικό, συχνά μη επισημασμένο, επόμενο τομέα. Η προσέγγιση συνδυάζει την ισχυρή ικανότητα αναπαράστασης των Μετασχηματιστών με τεχνικές προσαρμογής τομέα, όπως η ανταγωνιστική εκπαίδευση (adversarial training) ή η αντίθεση ευθυγράμμισης (contrastive alignment), για την ελαχιστοποίηση της μετατόπισης τομέα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/el/deep-learning/domain-adaptive-transformer
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.
- Εκμάθηση μεταφοράςΜηχανική Μάθηση↔ compare
- Vision TransformerΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →