Reguliere Transfer Learning
Reguliere Transfer Learning past expliciete straftermen toe aan een transfer learning-pijplijn om te controleren hoeveel een model afwijkt van kennis uit het brongebied bij het aanpassen aan een nieuw doelgebied. De regularisator ontmoedigt negatieve transfer — de schadelijke overdracht van irrelevante bronpatronen — terwijl nuttige gedeelde representaties behouden blijven en overfitting wordt voorkomen wanneer labels van het doelgebied schaars zijn.
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
- 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 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/nl/machine-learning/regularized-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.
- Few-shot LearningMachine learning↔ compare
- Metrische LerenMachine learning↔ compare
- Geregulariseerde logistische regressieMachine learning↔ compare
- Geregulariseerd Random ForestMachine 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 →