Învățare multi-sarcină
Învățarea multi-sarcină (MTL) este un paradigmă de învățare automată în care un model este antrenat simultan pe mai multe sarcini conexe, partajând reprezentări între acestea pentru a îmbunătăți generalizarea. Introdusă formal de Rich Caruana în 1997, MTL se bazează pe intuiția că sarcinile auxiliare acționează ca un bias inductiv, oferind semnale suplimentare de supervizare care ajută straturile partajate să învețe reprezentări de caracteristici mai bogate și mai robuste decât ar oferi antrenamentul pe o singură sarcină.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/ro/deep-learning/multitask-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.
- Învățarea prin curriculumÎnvățare profundă↔ compare
- Distilarea cunoștințelorÎnvățare profundă↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →