GRU Adaptativo al Dominio
El GRU adaptativo al dominio combina la arquitectura de Unidad Recurrente con Compuertas (GRU) con técnicas de adaptación de dominio para entrenar un modelo de secuencias en un dominio fuente etiquetado y transferirlo a un dominio objetivo diferente pero relacionado, reduciendo la degradación del rendimiento causada por el desplazamiento de distribución. Se aplica ampliamente en tareas de PLN como el análisis de sentimiento interdominio, el reconocimiento de entidades nombradas y la clasificación de texto, donde los datos etiquetados del dominio objetivo son escasos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/es/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.
- Red Neuronal Recurrente Adaptativa al DominioAprendizaje profundo↔ compare
- Transformador de Adaptación de DominioAprendizaje profundo↔ compare
- GRU Ajustado FinamenteAprendizaje profundo↔ compare
- Unidad Recurrente con Compuertas (GRU)Aprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →