Domein-Adaptieve GRU
Domein-Adaptieve GRU combineert de Gated Recurrent Unit-architectuur met technieken voor domeinaanpassing om een sequentiemodel te trainen op een gelabeld bron-domein en dit over te dragen naar een ander, maar gerelateerd doeldomein, waardoor prestatievermindering door distributieverschuiving wordt verminderd. Het wordt veel toegepast in NLP-taken zoals cross-domein sentimentanalyse, named entity recognition en tekstclassificatie waarbij gelabelde doeldomeindata schaars is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/nl/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.
- Domeinadaptief Recurrent Neuraal NetwerkDeep learning↔ compare
- Domein-Adaptieve TransformerDeep learning↔ compare
- Fijn-afgestelde GRUDeep learning↔ compare
- Gated Recurrent Unit (GRU)Deep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →