Apprentissage par transfert
L'apprentissage par transfert est un paradigme d'apprentissage automatique dans lequel les connaissances acquises lors de l'entraînement d'un modèle sur une tâche ou un domaine source sont réutilisées pour améliorer l'apprentissage sur une tâche ou un domaine cible différent mais connexe. Il est particulièrement puissant lorsque les données étiquetées pour la tâche cible sont rares, et il sous-tend la plupart des applications modernes d'apprentissage profond en vision par ordinateur, en traitement du langage naturel, et au-delà.
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.
+40 more
Sources
- 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 ↗
- Bengio, Y. (2012). Deep Learning of Representations for Unsupervised and Transfer Learning. In Proceedings of ICML Workshop on Unsupervised and Transfer Learning, PMLR 27, 17–36. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/fr/machine-learning/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.
- Apprentissage à peu d'exemplesApprentissage automatique↔ compare
- Apprentissage auto-superviséApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →