Machine learningDeep learning / NLP / CV
Fine-Tuned Multilayer Perceptron
Fine-Tuned Multilayer Perceptron은 소스 작업 또는 대규모 범용 데이터셋에서 학습된 가중치에서 시작하여 축소된 학습률로 더 작은 타겟 데이터셋에서 훈련을 계속하는 것을 의미합니다. 사전 학습된 표현의 재사용은 MLP가 처음부터 훈련하는 것보다 더 빠르게 수렴하고 더 잘 일반화할 수 있도록 하며, 특히 레이블이 지정된 타겟 데이터가 부족할 때 더욱 그렇습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27, 3320–3328. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fine-Tuned Multilayer Perceptron (Transfer Learning via MLP Weight Adaptation). ScholarGate. https://scholargate.app/ko/deep-learning/fine-tuned-multilayer-perceptron
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 →