Apprentissage multi-tâches
L'apprentissage multi-tâches (MTL) est un paradigme d'apprentissage automatique dans lequel un modèle est entraîné simultanément sur plusieurs tâches connexes, partageant des représentations entre elles pour améliorer la généralisation. Introduit formellement par Rich Caruana en 1997, le MTL s'appuie sur l'intuition que les tâches auxiliaires agissent comme un biais inductif, fournissant des signaux de supervision supplémentaires qui aident les couches partagées à apprendre des représentations de caractéristiques plus riches et plus robustes que ne le ferait un entraînement sur une seule tâche.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/fr/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.
- Apprentissage par curriculumApprentissage profond↔ compare
- Distillation de connaissancesApprentissage profond↔ compare
- Apprentissage par transfertApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →