Bayesian Transfer Learning
Bayesian Transfer Learning is een probabilistisch raamwerk dat kennis uit een bron-domein met veel data gebruikt om informatieve priors te construeren voor een model dat getraind wordt op een doel-domein met weinig data. Door kennis uit het bron-domein te coderen als prior-verdelingen over parameters, laat het raamwerk het model goed generaliseren op de doel-taak, zelfs met zeer beperkte gelabelde voorbeelden.
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
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. link ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/nl/machine-learning/bayesian-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.
- Bayesian Gaussische ProcesMachine learning↔ compare
- Few-shot LearningMachine learning↔ compare
- Semi-supervised Transfer LearningMachine learning↔ compare
- TransferlerenMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →