Monitieteoppiminen
Monitieteoppiminen (MTL) on koneoppimisen paradigma, jossa mallia koulutetaan samanaikaisesti useissa toisiinsa liittyvissä tehtävissä ja jaetaan esityksiä niiden välillä yleistymisen parantamiseksi. Rich Caruanan vuonna 1997 muodollisesti esittelemä MTL perustuu intuitioon, että aputehtävät toimivat induktiivisena ennakkoluulona tarjoten lisävalvontasignaaleja, jotka auttavat jaettuja kerroksia oppimaan rikkaampia, vankempia piirre-esityksiä kuin yksittäinen tehtäväkoulutus tuottaisi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/fi/deep-learning/multitask-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.
- Curriculum LearningSyväoppiminen↔ compare
- Tietämyksen tislausSyväoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →