GRU Adaptif Domain
GRU Adaptif Domain menggabungkan arsitektur Gated Recurrent Unit dengan teknik adaptasi domain untuk melatih model sekuensial pada domain sumber berlabel dan mentransfernya ke domain target yang berbeda namun terkait, mengurangi penurunan kinerja yang disebabkan oleh pergeseran distribusi. Ini banyak diterapkan dalam tugas NLP seperti analisis sentimen lintas domain, pengenalan entitas bernama, dan klasifikasi teks di mana data domain target berlabel langka.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014 (pp. 1724–1734). Association for Computational Linguistics. link ↗
- Ganin, Y., Ustinova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(1), 2096–2030. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/id/deep-learning/domain-adaptive-gru
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Recurrent Neural Network Adaptif DomainPembelajaran Mendalam↔ bandingkan
- Transformer Adaptif DomainPembelajaran Mendalam↔ bandingkan
- GRU yang Disesuaikan HalusPembelajaran Mendalam↔ bandingkan
- Unit Berulang Bergerbang (GRU)Pembelajaran Mendalam↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →