ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

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.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. 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
  2. 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.

Compare side by side

Citato da

ScholarGateDomain-adaptive transformer (Domain-Adaptive Transformer (DAT)). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/domain-adaptive-transformer · Insieme di dati: https://doi.org/10.5281/zenodo.20539026