یادگیری انتقالی منظمشده
یادگیری انتقالی منظمشده (Regularized Transfer Learning) با اعمال جملات جریمه صریح در خط لوله یادگیری انتقالی، میزان دور شدن مدل از دانش دامنه مبدأ را هنگام انطباق با دامنه هدف جدید کنترل میکند. منظمکننده از انتقال منفی - انتقال مضر الگوهای نامربوط دامنه مبدأ - جلوگیری کرده و در عین حال بازنماییهای مشترک مفید را حفظ و از بیشبرازش (overfitting) هنگام کمیاب بودن برچسبهای دامنه هدف جلوگیری میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/fa/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.
- یادگیری چند نمونهای (Few-shot Learning)یادگیری ماشین↔ compare
- یادگیری متریکیادگیری ماشین↔ compare
- رگرسیون لجستیک منظمشدهیادگیری ماشین↔ compare
- جنگل تصادفی منظمشدهیادگیری ماشین↔ compare
- یادگیری انتقالی نیمهنظارتییادگیری ماشین↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →