Bayesiläinen siirto-oppiminen
Bayesiläinen siirto-oppiminen on todennäköisyyskehys, joka käyttää tietoa datarikkaasta lähdealueesta informatiivisten priorien rakentamiseen mallille, jota koulutetaan dataköyhällä kohdealueella. Koodaamalla lähdealueen tieto parametrien priorijakaumina kehys sallii mallin yleistyvän hyvin kohdetehtävässä jopa hyvin rajallisella määrällä merkittyjä esimerkkejä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen Gaussin prosessiKoneoppiminen↔ compare
- Few-shot LearningKoneoppiminen↔ compare
- Puoliohjattu siirto-oppiminenKoneoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →