Bayesovsko prijenosno učenje
Bayesovsko prijenosno učenje je probabilistički okvir koji koristi znanje iz izvorne domene bogate podacima za konstrukciju informativnih priora za model treniran na ciljnoj domeni oskudnoj podacima. Kodiranjem znanja iz izvorne domene kao priorne distribucije nad parametrima, okvir omogućuje modelu dobru generalizaciju na ciljnom zadatku čak i s vrlo ograničenim označenim primjerima.
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
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. link ↗
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/hr/machine-learning/bayesian-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.
- Bayesovski Gaussov procesStrojno učenje↔ compare
- Učenje s malo primjeraStrojno učenje↔ compare
- Polu-nadgledano učenje prijenosomStrojno učenje↔ compare
- Prijenosno učenjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →