Perceptron Multistrat Acordat Fin
Un Perceptron Multistrat Acordat Fin pornește de la ponderi învățate dintr-o sarcină sursă — sau dintr-un set de date generalist mare — și continuă antrenamentul pe un set de date țintă mai mic, cu o rată de învățare redusă. Această reutilizare a reprezentărilor pre-învățate permite MLP-ului să conveargă mai rapid și să generalizeze mai bine decât antrenamentul de la zero, mai ales când datele țintă etichetate sunt puține.
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
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Fine-Tuned Multilayer Perceptron (Transfer Learning via MLP Weight Adaptation). ScholarGate. https://scholargate.app/ro/deep-learning/fine-tuned-multilayer-perceptron
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Rețea neuronală convoluțională (CNN) ajustată fin (Fine-Tuned)Învățare profundă↔ compară
- LSTM ajustat finÎnvățare profundă↔ compară
- Transformer ajustat finÎnvățare profundă↔ compară
- Perceptron multistrat (MLP)Învățare profundă↔ compară
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →