Domene-adaptiv GRU
Domene-adaptiv GRU kombinerer Gated Recurrent Unit-arkitekturen med teknikker for domeneadaptasjon for å trene en sekvensmodell på et merket kildedomen og overføre den til et annet, men relatert, måldomen, noe som reduserer ytelsesnedgang forårsaket av distribusjonsforskyvning. Den anvendes bredt i NLP-oppgaver som kryssdomene sentimentanalyse, navngitt enhetsgjenkjenning og tekstklassifisering der merkede data fra måldomenet er knappe.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/no/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.
- Domene-adaptivt rekurrent nevralt nettverkDyp læring↔ compare
- Domene-adaptiv TransformerDyp læring↔ compare
- Finjustert GRUDyp læring↔ compare
- Gated Recurrent Unit (GRU)Dyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →