Bayesisk pārsūtīšanas apguve
Bayesiskā pārsūtīšanas apguve ir probablistisks ietvars, kas izmanto zināšanas no datu bagātīgas avota domēnas, lai konstruētu informatīvus priekšnoteikumus modelim, kas apmācīts datu ziņā trūcīgā mērķa domēnā. Kodējot avota domēnas zināšanas kā parametru priekšnoteikumu sadalījumus, ietvars ļauj modelim labi vispārināties mērķa uzdevumā pat ar ļoti ierobežotiem iezīmētiem piemēriem.
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
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. 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). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/lv/machine-learning/bayesian-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.
- Beijes Gaussian processMašīnmācīšanās↔ compare
- Mācīšanās ar maziem paraugu skaituMašīnmācīšanās↔ compare
- Daļēji uzraudzīta pārsūtīšanas mācīšanāsMašīnmācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →