Domenski prilagodljiv Transformer
Domenski prilagodljiv Transformer (DAT) je model utemeljen na Transformeru — poput BERT-a ili ViT-a — proširen eksplicitnim ciljem usklađivanja domena kako bi naučene reprezentacije dobro prelazile iz označene izvorne domene u drugačiju, često neoznačenu, ciljnu domenu. Pristup kombinira snažan kapacitet reprezentacije Transformera s tehnikama prilagodbe domena poput adversarijalnog treninga ili kontrastnog usklađivanja kako bi se smanjio pomak domena.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/hr/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.
- Prijenosno učenjeStrojno učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →