Regulert transfer learning
Regulert transfer learning anvender eksplisitte straffeledd i en transfer learning-pipeline for å kontrollere hvor mye en modell endrer seg fra kildedomenets kunnskap ved tilpasning til et nytt måldomene. Regulariseringen motvirker negativ transfer – den skadelige overføringen av irrelevante kildemønstre – samtidig som den bevarer gunstige delte representasjoner og forhindrer overtilpasning når merkelapper for 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
- 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 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/no/machine-learning/regularized-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.
- Få-skudds læringMaskinlæring↔ compare
- MetrikklæringMaskinlæring↔ compare
- Regulert logistisk regresjonMaskinlæring↔ compare
- Regulert tilfeldig skogMaskinlæring↔ compare
- Semi-supervised Transfer LearningMaskinlæring↔ compare
- OverføringslæringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →