Aprendizagem por Transferência Bayesiana
Aprendizagem por Transferência Bayesiana é um arcabouço probabilístico que utiliza conhecimento de um domínio fonte rico em dados para construir priors informativos para um modelo treinado em um domínio alvo com poucos dados. Ao codificar o conhecimento do domínio fonte como distribuições a priori sobre parâmetros, o arcabouço permite que o modelo generalize bem na tarefa alvo mesmo com exemplos rotulados muito limitados.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/pt/machine-learning/bayesian-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.
- Processo Gaussiano BayesianoAprendizado de máquina↔ compare
- Aprendizado com Poucos ExemplosAprendizado de máquina↔ compare
- Transferência de Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →