Regularizált transzfer tanulás
A regularizált transzfer tanulás explicit büntetőtagokat alkalmaz egy transzfer tanulási folyamatban annak szabályozására, hogy egy modell mennyire távolodik el a forrás-tartománybeli ismeretektől egy új cél-tartományhoz való alkalmazkodás során. A regularizáló tagok elnyomják a negatív transzfert – az irreleváns forrásmintázatok káros átvitelét –, miközben megőrzik az előnyös megosztott reprezentációkat és megelőzik a túltanulást, amikor a cél-tartománybeli címkék szűkösek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/hu/machine-learning/regularized-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.
- Few-shot LearningGépi tanulás↔ compare
- MetrikatanulásGépi tanulás↔ compare
- Regularizált logisztikus regresszióGépi tanulás↔ compare
- Regularized Random ForestGépi tanulás↔ compare
- Félfelügyelt transzfer tanulásGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →