Pembelajaran Transfer Bayesian
Pembelajaran Transfer Bayesian adalah kerangka kerja probabilistik yang menggunakan pengetahuan dari domain sumber kaya data untuk membangun prior informatif bagi model yang dilatih pada domain target yang kekurangan data. Dengan mengkodekan pengetahuan domain sumber sebagai distribusi prior atas parameter, kerangka kerja ini memungkinkan model untuk menggeneralisasi dengan baik pada tugas target bahkan dengan contoh berlabel yang sangat terbatas.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/id/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.
- Gaussian Proses BayesianPembelajaran Mesin↔ compare
- Pembelajaran Sedikit Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Transfer Pembelajaran Semi-TerawasiPembelajaran Mesin↔ compare
- Transfer LearningPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →