Pembelajaran Pemindahan Separuh Selia
Pembelajaran Pemindahan Separuh Selia menggabungkan pengetahuan yang dipindahkan daripada domain sumber berlabel kaya dengan struktur data domain sasaran yang banyak tanpa label, menggunakan hanya sejumlah kecil contoh sasaran berlabel untuk mencapai generalisasi yang kukuh di mana anotasi penuh adalah terhad atau mahal.
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
- Zhuang, F., Qi, Z., Duan, K., Xi, D., Zhu, Y., Zhu, H., Xiong, H., & He, Q. (2021). A comprehensive survey on transfer learning. Proceedings of the IEEE, 109(1), 43–76. DOI: 10.1109/JPROC.2020.3004555 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Cara memetik halaman ini
ScholarGate. (2026, June 3). Semi-supervised Transfer Learning. ScholarGate. https://scholargate.app/ms/machine-learning/semi-supervised-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.
- Label PropagationPembelajaran Mesin↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →