Bayesian Transfer Learning
A Bayes-féle transzfér-tanulás egy valószínűségi keretrendszer, amely egy adatgazdag forrás domainből származó tudást használ fel informatív prior eloszlások konstruálásához egy adat-szegény cél domainon képzett modell számára. A forrás domain tudásának a paraméterekre vonatkozó prior eloszlásokként való kódolásával a keretrendszer lehetővé teszi a modell számára, hogy még nagyon korlátozott számú címkézett példával is jól általánosítson a célfeladaton.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/hu/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.
- Bayesiánus Gauss-folyamatGépi tanulás↔ compare
- Few-shot LearningGépi tanulás↔ compare
- Félfelügyelt transzfer tanulásGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →