Adaptīvs domēna pārneses Transformer
Adaptīvs domēna pārneses Transformer (DAT) ir uz Transformer arhitektūru balstīts modelis — piemēram, BERT vai ViT —, kas papildināts ar skaidru domēnu saskaņošanas mērķi, lai apgūtās reprezentācijas labi pārnestos no marķētas avota domēna uz atšķirīgu, bieži vien nenosauktu, mērķa domēnu. Šī pieeja apvieno Transformeru spēcīgo reprezentācijas ietilpību ar domēnu pārneses metodēm, piemēram, pretinieku apmācību vai kontrastīvo saskaņošanu, lai samazinātu domēnu nobīdi.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/lv/deep-learning/domain-adaptive-transformer
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.
- Pārneses apmācībaMašīnmācīšanās↔ compare
- Vision TransformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →