Häälestatud mitmekihiline perceptron
Häälestatud mitmekihiline perceptron (MLP) alustab kaaludest, mis on õpitud lähtetehtes – või suurel üldotstarbelisel andmestikul – ja jätkab treenimist väiksemal sihtandmestikul vähendatud õppemääraga. Eelnevalt õpitud representatsioonide taaskasutamine võimaldab MLP-l konverveeruda kiiremini ja üldistada paremini kui nullist treenimine, eriti kui märgistatud sihtandmeid on vähe.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27, 3320–3328. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Fine-Tuned Multilayer Perceptron (Transfer Learning via MLP Weight Adaptation). ScholarGate. https://scholargate.app/et/deep-learning/fine-tuned-multilayer-perceptron
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Peenreguleeritud konvolutsiooniline närvivõrkSüvaõpe↔ võrdle
- Fine-Tuned LSTMSüvaõpe↔ võrdle
- Fine-Tuned TransformerSüvaõpe↔ võrdle
- Multilayer Perceptron (MLP)Süvaõpe↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →