Învățare prin transfer regularizată
Învățarea prin transfer regularizată aplică termeni de penalizare explicită unui flux de lucru de învățare prin transfer pentru a controla cât de mult se abate un model de la cunoștințele din domeniul sursă la adaptarea la un nou domeniu țintă. Regularizatorul descurajează transferul negativ — propagarea dăunătoare a tiparelor irelevante din sursă — păstrând în același timp reprezentările comune benefice și prevenind supra-ajustarea atunci când etichetele din domeniul țintă sunt rare.
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
- 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 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/ro/machine-learning/regularized-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.
- Învățare cu puține exempleÎnvățare automată↔ compare
- Învățarea metricilorÎnvățare automată↔ compare
- Regresia logistică regularizatăÎnvățare automată↔ compare
- Pădure Aleatorie RegularizatăÎnvățare automată↔ compare
- Învățare prin transfer semi-supervizatăÎnvățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →