Pembelajaran Transfer Teregulasi
Pembelajaran Transfer Teregulasi menerapkan suku penalti eksplisit pada alur kerja pembelajaran transfer untuk mengontrol seberapa jauh model bergeser dari pengetahuan domain sumber saat beradaptasi dengan domain target baru. Regulator mencegah transfer negatif — bawaan pola sumber yang tidak relevan yang berbahaya — sambil mempertahankan representasi bersama yang bermanfaat dan mencegah *overfitting* ketika label domain target langka.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/id/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.
- Pembelajaran Sedikit Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Pembelajaran MetrikPembelajaran Mesin↔ compare
- Regresi Logistik TeregularisasiPembelajaran Mesin↔ compare
- Random Forest TeregulasiPembelajaran Mesin↔ compare
- Transfer Pembelajaran Semi-TerawasiPembelajaran Mesin↔ compare
- Transfer LearningPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →