Transformer Adattivo al Dominio
Un Transformer Adattivo al Dominio (DAT) è un modello basato su Transformer — come BERT o ViT — esteso con un obiettivo esplicito di allineamento del dominio, in modo che le rappresentazioni apprese si trasferiscano bene da un dominio sorgente etichettato a un dominio di destinazione diverso, spesso non etichettato. L'approccio combina la potente capacità rappresentativa dei Transformer con tecniche di adattamento del dominio come l'addestramento avversariale o l'allineamento contrastivo per minimizzare lo spostamento del dominio.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/it/deep-learning/domain-adaptive-transformer
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.
- Apprendimento per trasferimentoApprendimento automatico↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →