Többfeladatos tanulás
A többfeladatos tanulás (MTL) egy gépi tanulási paradigma, amelyben egy modellt egyszerre több, egymáshoz kapcsolódó feladaton képeznek, megosztva közöttük a reprezentációkat a jobb általánosítás érdekében. A 1997-ben Rich Caruana által formálisan bevezetett MTL azon az intuíción alapul, hogy a segéd feladatok indukciós elírányítottságként (inductive bias) működnek, további felügyeleti jeleket szolgáltatva, amelyek segítik a megosztott rétegeket gazdagabb, robusztusabb jellemzőreprezentációk elsajátításában, mint amit az egyszintű feladatképzés nyújtana.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/hu/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.
- Curriculum LearningMélytanulás↔ compare
- A tudásdesztillációMélytanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →