Aprendizagem por Transferência
Aprendizagem por transferência é um paradigma de aprendizado de máquina no qual o conhecimento adquirido ao treinar um modelo em uma tarefa ou domínio de origem é reutilizado para melhorar o aprendizado em uma tarefa ou domínio alvo diferente, mas relacionado. É especialmente poderoso quando dados rotulados para a tarefa alvo são escassos e fundamenta a maioria das aplicações modernas de aprendizado profundo em visão computacional, processamento de linguagem natural e outras áreas.
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.
+40 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/pt/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.
- Aprendizado com Poucos ExemplosAprendizado de máquina↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →