Apprendimento per Trasferimento Bayesiano
L'apprendimento per trasferimento bayesiano è un framework probabilistico che utilizza la conoscenza da un dominio sorgente ricco di dati per costruire prior informativi per un modello addestrato su un dominio target con scarsità di dati. Codificando la conoscenza del dominio sorgente come distribuzioni a priori sui parametri, il framework consente al modello di generalizzare bene sul compito target anche con esempi etichettati molto limitati.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/it/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.
- Processo Gaussiano BayesianoApprendimento automatico↔ compare
- Few-shot LearningApprendimento automatico↔ compare
- Apprendimento per Trasferimento Semi-SupervisionatoApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →