Aprendizaje por Transferencia Bayesiano
El Aprendizaje por Transferencia Bayesiano es un marco probabilístico que utiliza conocimiento de un dominio fuente rico en datos para construir a priori informativos para un modelo entrenado en un dominio objetivo escaso en datos. Al codificar el conocimiento del dominio fuente como distribuciones previas sobre los parámetros, el marco permite que el modelo generalice bien en la tarea objetivo incluso con ejemplos etiquetados muy limitados.
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
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/es/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.
- Proceso Gaussiano BayesianoAprendizaje automático↔ compare
- Aprendizaje con Pocos EjemplosAprendizaje automático↔ compare
- Aprendizaje por transferencia semisupervisadoAprendizaje automático↔ compare
- Aprendizaje por transferenciaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →