Dostrojony Perceptron Wielowarstwowy
Dostrojony Perceptron Wielowarstwowy (Fine-Tuned Multilayer Perceptron) rozpoczyna od wag nauczonych na zadaniu źródłowym – lub na dużym, ogólnym zbiorze danych – i kontynuuje trening na mniejszym zbiorze danych docelowych ze zmniejszoną szybkością uczenia. Ponowne wykorzystanie wstępnie nauczonych reprezentacji pozwala MLP szybciej zbiegać i lepiej generalizować niż trening od zera, zwłaszcza gdy oznakowanych danych docelowych jest mało.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27, 3320–3328. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fine-Tuned Multilayer Perceptron (Transfer Learning via MLP Weight Adaptation). ScholarGate. https://scholargate.app/pl/deep-learning/fine-tuned-multilayer-perceptron
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Dostrojona konwolucyjna sieć neuronowaUczenie głębokie↔ porównaj
- Dostrojona sieć LSTMUczenie głębokie↔ porównaj
- Dostrojony TransformerUczenie głębokie↔ porównaj
- Perceptron wielowarstwowy (MLP)Uczenie głębokie↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →