Rețea neuronală recurentă adaptivă la domeniu
O Rețea Neuronală Recurentă Adaptivă la Domeniu (DA-RNN) este o rețea neuronală recurentă antrenată pe un domeniu sursă și adaptată la un domeniu țintă folosind tehnici de adaptare la domeniu, cum ar fi antrenamentul adversarial, alinierea caracteristicilor sau ajustarea fină (fine-tuning). Aceasta permite modelelor secvențiale să generalizeze între domenii atunci când datele etichetate din domeniul țintă sunt rare sau indisponibile.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/ro/deep-learning/domain-adaptive-recurrent-neural-network
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Clasificare bazată pe BERT adaptată domeniuluiÎnvățare profundă↔ compară
- Transformer Adaptat la DomeniuÎnvățare profundă↔ compară
- Rețea Neuronală Recurentă Fine-TunedÎnvățare profundă↔ compară
- Long Short-Term Memory (LSTM)Învățare profundă↔ compară
- Rețea Neuronală RecurentăÎnvățare profundă↔ compară
- Învățare prin transfer cu Rețele Neuronale RecurenteÎnvățare profundă↔ compară
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →