Machine learningMachine learning

Transferleren

Transferleren is een machine learning-paradigma waarbij kennis, opgedaan door het trainen van een model op een brontaak of -domein, wordt hergebruikt om het leren op een andere, maar gerelateerde, doeltaak of -domein te verbeteren. Het is bijzonder krachtig wanneer gelabelde data voor de doeltaak schaars zijn, en het vormt de basis van de meeste moderne deep learning-toepassingen in computervisie, natuurlijke taalverwerking en daarbuiten.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Inloggen

Method map

The neighbourhood of related methods — select a node to explore.

Transferleren

Few-shot Learning Zelf-gesuperviseerd Leren Semi-supervised Learning Federated Active Learning Actief Leren met Zelf-ge…Bayesian Few-Shot Learni…Bayesiaans semi-supervis…Bayesian Transfer Learni…Curriculum Learning Data-augmentatie

+40 more

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 ↗
Bengio, Y. (2012). Deep Learning of Representations for Unsupervised and Transfer Learning. In Proceedings of ICML Workshop on Unsupervised and Transfer Learning, PMLR 27, 17–36. link ↗

Deze pagina citeren

ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/nl/machine-learning/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
Zelf-gesuperviseerd LerenMachine learning↔ compare
Semi-supervised LearningMachine learning↔ compare

Compare side by side →

Geciteerd door

Federated Active Learning Actief Leren met Zelf-gesuperviseerd Leren Bayesian Few-Shot Learning Bayesiaans semi-supervised leren Bayesian Transfer Learning Curriculum Learning Data-augmentatie Domeinadaptatie Domein-adaptieve Reinforcement Learning Domein-Adaptieve Transformer Domein-Adaptieve Variationele Auto-encoder EfficientNet Ensemble Federated Learning Ensemble Few-Shot Learning combineert meerdere few-shot modellen Ensemble Metric Learning traint meerdere afstandmetriek-leerders Ensemble Self-supervised Learning Ensemble Semi-supervised Learning Ensemble Transfer Learning Few-shot Learning Metrische Leren Multitask Leren Neural Style Transfer Online Gefedereerde Leren Online Few-shot Leren Online Leren Online Zelf-gesuperviseerd Leren Online Semi-supervised Learning Online Transfer Learning Regulierd Federatief Leren Geregulariseerd few-shot learning Geregulariseerd online leren Reguliere Transfer Learning Robuust Federated Learning Zelf-gesuperviseerd Actief Leren Zelf-gesuperviseerd Federatief Leren Zelfgesuperviseerd Few-Shot Leren Zelfgesuperviseerde beeldclassificatie Zelf-gesuperviseerde K-naaste buren Zelf-gesuperviseerd Leren Zelf-gesuperviseerde LightGBM Zelf-gesuperviseerde Logistische Regressie Zelfgesuperviseerde sentimentanalyse Zelf-gesuperviseerd Stacking Ensemble Zelf-gesuperviseerd transfer learning Semi-supervised Federated Learning Semi-supervised Few-shot Learning Semi-supervised Learning Semi-supervised Metric Learning Semi-supervised Transfer Learning T5 (Text-to-Text Transfer Transformer)

Een fout op deze pagina gezien? Meld het of stel een correctie voor →

Lees de volledige methode

Method map

Bronnen

Deze pagina citeren

Verwante methoden

Which method?

Geciteerd door