Regulaarne ülekandeõpe
Regulaarne ülekandeõpe rakendab ülekandeõppe protsessile eksplitsiitseid karistustermineid, et kontrollida, kuivõrd mudel nihkub allikadomeeni teadmistest eemale uude sihtdomeeni kohanedes. Regulaator takistab negatiivset ülekannet – ebavajalike allikate mustrite kahjulikku ülekandumist – säilitades samal ajal kasulikke ühiseid representatsioone ja vältides üleüldistumist, kui sihtdomeeni sildid on napid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/et/machine-learning/regularized-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.
- Väheste näidistega õppimineMasinõpe↔ compare
- Meetriline õppimineMasinõpe↔ compare
- Regulariseeritud logistiline regressioonMasinõpe↔ compare
- Reguleeritud juhuslik metsMasinõpe↔ compare
- Poolitud ülekandeõpeMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →