Adaptīvs domēna rekurentais neironu tīkls
Adaptīvs domēna rekurentais neironu tīkls (DA-RNN) ir rekurentais neironu tīkls, kas tiek apmācīts avota domēnā un pielāgots mērķa domēnam, izmantojot domēna adaptācijas metodes, piemēram, adversariālu apmācību, iezīmju saskaņošanu vai smalko regulēšanu. Tas ļauj secīgiem modeļiem vispārināt dažādos domēnos, kad marķētu mērķa domēna datu ir maz vai nav vispār.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/lv/deep-learning/domain-adaptive-recurrent-neural-network
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Domenam pielāgotā BERT klasifikācijaDziļā mācīšanās↔ salīdzināt
- Adaptīvs domēna pārneses TransformerDziļā mācīšanās↔ salīdzināt
- Pielāgots rekurentais neironu tīklsDziļā mācīšanās↔ salīdzināt
- Atmiņas ilgtermiņa īstermiņa (LSTM) arhitektūraDziļā mācīšanās↔ salīdzināt
- Atkārtotais neironu tīklsDziļā mācīšanās↔ salīdzināt
- Pārneses mācīšanās ar rekurento neironu tīkluDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →