Domene-adaptiv Transformer
En domene-adaptiv Transformer (DAT) er en Transformer-basert modell — som BERT eller ViT — utvidet med et eksplisitt domene-justeringsobjektiv slik at lærte representasjoner overføres godt fra en merket kildedomen til et annet, ofte umerket, måldomen. Tilnærmingen kombinerer den kraftige representasjonskapasiteten til Transformers med domene-tilpasningsteknikker som adversariell trening eller kontrastiv justering for å minimere domeneskifte.
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
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/no/deep-learning/domain-adaptive-transformer
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.
- OverføringslæringMaskinlæring↔ compare
- Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →