Domain-Adaptive GRU
Domain-Adaptive GRU объединяет архитектуру Gated Recurrent Unit (GRU) с методами адаптации домена для обучения модели последовательностей на размеченном исходном домене и переноса ее в другой, но связанный целевой домен, снижая деградацию производительности, вызванную сдвигом распределения. Метод широко применяется в задачах обработки естественного языка (NLP), таких как кросс-доменный анализ тональности, распознавание именованных сущностей и классификация текстов, где размеченные данные целевого домена редки.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014 (pp. 1724–1734). Association for Computational Linguistics. link ↗
- Ganin, Y., Ustinova, 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(1), 2096–2030. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/ru/deep-learning/domain-adaptive-gru
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Адаптивная к домену рекуррентная нейронная сетьГлубокое обучение↔ сравнить
- Доменно-адаптивный ТрансформерГлубокое обучение↔ сравнить
- Дообученная GRUГлубокое обучение↔ сравнить
- Сверточный рекуррентный блок (GRU)Глубокое обучение↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →