Bayesian Transfer Learning
Bayesian Transfer Learning er et sannsynlighetsbasert rammeverk som bruker kunnskap fra et kildedomen med rikelig med data til å konstruere informative priors for en modell som trenes på et måltilfelle med knappe data. Ved å kode kunnskap fra kildedomenet som priorfordelinger over parametere, lar rammeverket modellen generalisere godt på måloppgaven selv med svært begrensede merkede eksempler.
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
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. 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). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/no/machine-learning/bayesian-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.
- Bayesiansk Gaussisk ProsessMaskinlæring↔ compare
- Få-skudds læringMaskinlæring↔ compare
- Semi-supervised Transfer LearningMaskinlæring↔ compare
- OverføringslæringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →