Machine learningMachine learning

정규화된 전이 학습

정규화된 전이 학습은 모델이 새로운 대상 도메인에 적응할 때 소스 도메인 지식에서 얼마나 멀어지는지를 제어하기 위해 전이 학습 파이프라인에 명시적인 페널티 항을 적용합니다. 정규화기는 유익한 공유 표현을 보존하고 대상 도메인 레이블이 부족할 때 과적합을 방지하면서 관련 없는 소스 패턴의 해로운 전달인 부정적 전이(negative transfer)를 억제합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

정규화된 전이 학습

퓨샷 학습 메트릭 학습 정규화 로지스틱 회귀 Regularized Random Forest 준지도 전이 학습 전이 학습 정규화된 소수샷 학습

출처

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 ↗
Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/ko/machine-learning/regularized-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.

Compare side by side →

이 방법을 참조하는 항목

정규화된 소수샷 학습

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →