फाइन-ट्यून्ड मल्टीलेयर परसेप्ट्रॉन
एक फाइन-ट्यून्ड मल्टीलेयर परसेप्ट्रॉन स्रोत कार्य पर सीखे गए वज़नों (weights) से शुरू होता है — या एक बड़े सामान्य-उद्देश्य वाले डेटासेट से — और कम लर्निंग रेट के साथ एक छोटे लक्ष्य डेटासेट पर प्रशिक्षण जारी रखता है। पूर्व-सीखे गए निरूपणों (representations) के इस पुन: उपयोग से एमएलपी को स्क्रैच से प्रशिक्षण की तुलना में तेज़ी से कन्वर्ज करने और बेहतर सामान्यीकरण (generalise) करने की अनुमति मिलती है, खासकर जब लेबल किए गए लक्ष्य डेटा दुर्लभ हों।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27, 3320–3328. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Fine-Tuned Multilayer Perceptron (Transfer Learning via MLP Weight Adaptation). ScholarGate. https://scholargate.app/hi/deep-learning/fine-tuned-multilayer-perceptron
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- फाइन-ट्यून्ड कन्волюशनल न्यूरल नेटवर्कगहन अधिगम↔ तुलना करें
- फाइन-ट्यून्ड एलएसटीएमगहन अधिगम↔ तुलना करें
- फाइन-ट्यून्ड ट्रांसफार्मरगहन अधिगम↔ तुलना करें
- मल्टीलेयर परसेप्ट्रॉन (MLP)गहन अधिगम↔ तुलना करें