Domein-Adaptieve Transformer
Een Domein-Adaptieve Transformer (DAT) is een op Transformer gebaseerd model — zoals BERT of ViT — uitgebreid met een expliciete domein-uitlijningsdoelstelling, zodat geleerde representaties goed overdraagbaar zijn van een gelabeld bron-domein naar een ander, vaak ongelabeld, doel-domein. De aanpak combineert de krachtige representatiecapaciteit van Transformers met technieken voor domeinadaptatie, zoals adversariële training of contrastieve uitlijning, om de domeinverschuiving te minimaliseren.
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
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/nl/deep-learning/domain-adaptive-transformer
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.
- TransferlerenMachine learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →