Domene-adaptivt rekurrent nevralt nettverk
Et domene-adaptivt rekurrent nevralt nettverk (DA-RNN) er et rekurrent nevralt nettverk trent på en kildedomen, og tilpasset en måldomen ved bruk av domene-adaptasjonsteknikker som adversariell trening, trekkjustering eller finjustering. Det gjør at sekvensmodeller kan generalisere på tvers av domener når merkede måldata er knappe eller utilgjengelige.
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
- Ganin, Y., Ustunova, 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(59), 1–35. 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/no/deep-learning/domain-adaptive-recurrent-neural-network
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-adaptiv BERT-basert klassifiseringDyp læring↔ compare
- Domene-adaptiv TransformerDyp læring↔ compare
- Fintunet rekurrent nevralt nettverkDyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
- Overføringslæring med tilbakevendende nevralt nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →