Rekurencyjna sieć neuronowa z adaptacją domenową
Rekurencyjna sieć neuronowa z adaptacją domenową (DA-RNN) to rekurencyjna sieć neuronowa trenowana na domenie źródłowej i dostosowywana do domeny docelowej przy użyciu technik adaptacji domenowej, takich jak trening adwersarialny, wyrównywanie cech lub dostrajanie. Umożliwia ona modelom sekwencyjnym generalizację między domenami, gdy oznakowane dane z domeny docelowej są rzadkie lub niedostępne.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/pl/deep-learning/domain-adaptive-recurrent-neural-network
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Klasyfikacja oparta na domenowo adaptowanym modelu BERTUczenie głębokie↔ porównaj
- Transformator adaptacyjny do dziedzinyUczenie głębokie↔ porównaj
- Dostrojona rekurencyjna sieć neuronowaUczenie głębokie↔ porównaj
- Długa pamięć krótkotrwała (LSTM)Uczenie głębokie↔ porównaj
- Rekurencyjna Sieć NeuronowaUczenie głębokie↔ porównaj
- Uczenie transferowe z rekurencyjną siecią neuronowąUczenie głębokie↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →