ScholarGate
Asystent
Machine learningMachine learning

Uczenie transferowe

Uczenie transferowe to paradygmat uczenia maszynowego, w którym wiedza zdobyta podczas trenowania modelu na zadaniu lub w domenie źródłowej jest ponownie wykorzystywana do poprawy uczenia na innym, ale powiązanym zadaniu lub w domenie docelowej. Jest szczególnie skuteczne, gdy oznakowane dane dla zadania docelowego są rzadkie i stanowi podstawę większości nowoczesnych zastosowań głębokiego uczenia w wizji komputerowej, przetwarzaniu języka naturalnego i nie tylko.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

The neighbourhood of related methods — select a node to explore.

Uczenie transferowe
Uczenie z niewielką licz…Uczenie samo nadzorowaneUczenie ze wsparciem czę…Aktywne Uczenie w Uczeni…Aktywne uczenie z samona…Bayesowskie uczenie z ni…Bayesowskie uczenie częś…Uczenie transferowe baye…Uczenie się według progr…Augmentacja danych

+40 more

Źródła

  1. 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 ↗
  2. 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 ↗

Jak cytować tę stronę

ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/pl/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.

Compare side by side →

Cytowana przez

Aktywne Uczenie w Uczeniu FederacyjnymAktywne uczenie z samonadzoremBayesowskie uczenie z niewielu przykładówBayesowskie uczenie częściowo nadzorowaneUczenie transferowe bayesowskieUczenie się według programu nauczaniaAugmentacja danychAdaptacja domenowaAdaptacyjne uczenie ze wzmocnieniem dla różnych domenTransformator adaptacyjny do dziedzinyWariacyjny autoenkoder adaptacyjny do dziedzinyEfficientNetFederacyjne Uczenie ZespołoweUczenie zespołowe z małą liczbą przykładów (Ensemble Few-Shot Learning)Ucząca się metryki zespołowaUczenie zespołowe samonadzorowaneUczące się zespoły w uczeniu ze wsparciem częściowymUczenie transferowe z wykorzystaniem zespołówUczenie z niewielką liczbą przykładówUczenie metryczneUczenie wielozadanioweTransfer stylu neuronowegoUczenie Federacyjne OnlineUczenie z niewielką liczbą przykładów w trybie onlineUczenie onlineSamouczenie samo nadzorowanie w trybie onlineUczenie online ze wsparciem (semi-supervised learning)Online Transfer LearningRegularyzowane uczenie federacyjneRegularyzowane uczenie z niewielką liczbą przykładówUczenie online z regularyzacjąUczenie transferowe z regularyzacjąOdporne uczenie federacyjneAktywne uczenie wspomagane uczeniem samo nadzorowanymUczenie federacyjne z samo-nadzoremSamonadzorowane uczenie z niewielką liczbą przykładówSamouczenie się klasyfikacji obrazówSamo-nadzorowane k-najbliższych sąsiadówUczenie samo nadzorowaneSamouczenie z użyciem LightGBMLogistyczna regresja samo nadzorowanaSamonadzorowana analiza sentymentuSamo-nadzorowane uczenie się w architekturze typu Stacking EnsembleUczenie transferowe z samo-nadzoremPółnadzorowane uczenie federacyjneSemi-supervised Few-shot LearningUczenie ze wsparciem częściowymUczenie metryczne wspomagane częściowym nadzoremUczenie transferowe częściowo nadzorowaneT5 (Text-to-Text Transfer Transformer)

Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →

ScholarGate — Transfer Learning (Transfer Learning (Domain Adaptation and Knowledge Transfer)). Pobrano 2026-06-15 z https://scholargate.app/pl/machine-learning/transfer-learning · Zbiór danych: https://doi.org/10.5281/zenodo.20539026