Machine learningDeep learning / NLP / CV

Transformador de Adaptación de Dominio

Un Transformador de Adaptación de Dominio (DAT) es un modelo basado en Transformer —como BERT o ViT— extendido con un objetivo explícito de alineación de dominio para que las representaciones aprendidas se transfieran bien de un dominio fuente etiquetado a un dominio objetivo diferente, a menudo sin etiquetar. El enfoque combina la potente capacidad de representación de los Transformers con técnicas de adaptación de dominio como el entrenamiento adversario o la alineación contrastiva para minimizar el cambio de dominio.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. 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
  2. Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link

Cómo citar esta página

ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/es/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.

Compare side by side

Citado por

ScholarGateDomain-adaptive transformer (Domain-Adaptive Transformer (DAT)). Recuperado el 2026-06-15 de https://scholargate.app/es/deep-learning/domain-adaptive-transformer · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026