Pārneses apmācība
Pārneses apmācība ir mašīnapmācības paradigma, kurā zināšanas, kas iegūtas, apmācot modeli avota uzdevumā vai domēnā, tiek atkārtoti izmantotas, lai uzlabotu mācīšanos citā, bet saistītā mērķa uzdevumā vai domēnā. Tā ir īpaši spēcīga, ja mērķa uzdevumam ir maz iezīmētu datu, un tā ir pamats lielākajai daļai mūsdienu dziļās apmācības lietojumprogrammu datorredzē, dabisko valodu apstrādē un citur.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+40 more
Avoti
- 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 ↗
- Bengio, Y. (2012). Deep Learning of Representations for Unsupervised and Transfer Learning. In Proceedings of ICML Workshop on Unsupervised and Transfer Learning, PMLR 27, 17–36. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/lv/machine-learning/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.
- Mācīšanās ar maziem paraugu skaituMašīnmācīšanās↔ compare
- Pašuzraudzības apmācībaMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →