Višestruko učenje
Višestruko učenje (MTL) je paradigma strojnog učenja u kojoj se model istovremeno obučava na više povezanih zadataka, dijeleći reprezentacije među njima radi poboljšanja generalizacije. Formalno predstavljen od strane Richa Caruane 1997. godine, MTL se temelji na intuiciji da pomoćni zadaci djeluju kao induktivna pristranost, pružajući dodatne signalne mehanizme nadzora koji pomažu zajedničkim slojevima da nauče bogatije, robusnije reprezentacije značajki nego što bi to omogućilo treniranje na pojedinačnom zadatku.
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
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/hr/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.
- Učenje po kurikulumuDuboko učenje↔ compare
- Destilacija znanjaDuboko učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →