GRU Adaptif Domain
GRU Adaptif Domain menggabungkan arsitektur Unit Berulang Berpintu (GRU) dengan teknik penyesuaian domain untuk melatih model jujukan pada domain sumber berlabel dan memindahkannya ke domain sasaran yang berbeza tetapi berkaitan, mengurangkan kemerosotan prestasi yang disebabkan oleh anjakan taburan. Ia digunakan secara meluas dalam tugas NLP seperti analisis sentimen rentas domain, pengecaman entiti bernama, dan pengelasan teks di mana data domain sasaran berlabel adalah terhad.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014 (pp. 1724–1734). Association for Computational Linguistics. link ↗
- Ganin, Y., Ustinova, 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(1), 2096–2030. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/ms/deep-learning/domain-adaptive-gru
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.
- Rangkaian Saraf Berulang Adaptif DomainPembelajaran Mendalam↔ compare
- Transformer Adaptif DomainPembelajaran Mendalam↔ compare
- GRU yang Ditalar HalusPembelajaran Mendalam↔ compare
- Gated Recurrent Unit (GRU)Pembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →