Overføringslæring
Overføringslæring er et maskinlæringsparadigme der kunnskap oppnådd fra trening av en modell på en kildeoppgave eller et kildedomen er gjenbrukt for å forbedre læring på en annen, men relatert, måletoppgave eller måldomen. Det er spesielt kraftig når merkede data for måloppgaven er knappe, og det ligger til grunn for de fleste moderne dyp læringsapplikasjoner innen datasyn, naturlig språkbehandling og utover.
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.
+40 more
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 ↗
- Bengio, Y. (2012). Deep Learning of Representations for Unsupervised and Transfer Learning. In Proceedings of ICML Workshop on Unsupervised and Transfer Learning, PMLR 27, 17–36. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/no/machine-learning/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
- Selv-supervisert læringMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →