Machine learningDeep learning / NLP / CV
ドメイン適応型リカレントニューラルネットワーク
ドメイン適応型リカレントニューラルネットワーク（DA-RNN）は、ソースドメインで訓練され、敵対的訓練、特徴量アラインメント、またはファインチューニングなどのドメイン適応技術を使用してターゲットドメインに適応させられるリカレントニューラルネットワークです。これにより、ラベル付きターゲットドメインデータが少ないか利用できない場合に、シーケンスモデルがドメインを横断して汎化できるようになります。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Ganin, Y., Ustunova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(59), 1–35. 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/ja/deep-learning/domain-adaptive-recurrent-neural-network
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- ドメイン適応型BERTベース分類深層学習↔ 比較
- ドメイン適応型Transformer深層学習↔ 比較
- ファインチューニングされたリカレントニューラルネットワーク深層学習↔ 比較
- Long Short-Term Memory (LSTM)深層学習↔ 比較
- リカレントニューラルネットワーク (RNN)深層学習↔ 比較
- リカレントニューラルネットワークを用いた転移学習深層学習↔ 比較