Machine learningDeep learning / NLP / CV
טרנספורמר מותאם-תחום
טרנספורמר מותאם-תחום (DAT) הוא מודל מבוסס טרנספורמר — כגון BERT או ViT — המורחב עם מטרה מפורשת של יישור תחומים, כך שהייצוגים הנלמדים יעברו היטב מתחום מקור מתויג לתחום יעד שונה, לרוב לא מתויג. הגישה משלבת את יכולת הייצוג החזקה של טרנספורמרים עם טכניקות התאמת תחום כגון אימון אדברסריאלי או יישור קונטרסטיבי כדי למזער את שינוי התחום.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/he/deep-learning/domain-adaptive-transformer
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.
- Transfer Learningלמידת מכונה↔ compare
- טרנספורמר ראייהלמידה עמוקה↔ compare