Daudzuzdevumu apguve
Daudzuzdevumu apguve (MTL) ir mašīnmācīšanās paradigma, kurā modelis tiek apmācīts vienlaicīgi vairākiem saistītiem uzdevumiem, koplietojot reprezentācijas starp tiem, lai uzlabotu vispārināšanu. Formāli ieviesta Riča Karuanas 1997. gadā, MTL balstās uz intuīciju, ka palīguzdevumi darbojas kā induktīvā nobīde, nodrošinot papildu uzraudzības signālus, kas palīdz koplietotajiem slāņiem apgūt bagātīgākas, robustākas iezīmju reprezentācijas, nekā to sniegtu viena uzdevuma apmācība.
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
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/lv/deep-learning/multitask-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.
- Mācīšanās pēc programmasDziļā mācīšanās↔ compare
- Zināšanu destilācijaDziļā mācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →