Доменно-адаптивный Трансформер
Доменно-адаптивный Трансформер (DAT) — это модель на основе Трансформера, такая как BERT или ViT, дополненная явной целью выравнивания доменов, чтобы изученные представления хорошо переносились из помеченной исходной доменной области в другую, часто непомеченную, целевую область. Этот подход сочетает мощную способность Трансформеров к представлению данных с методами адаптации доменов, такими как состязательное обучение или контрастное выравнивание, для минимизации сдвига доменов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Ni, J., Hernandez Abrego, G., Constant, N., Ma, J., Hall, K., Cer, D., & Yang, Y. (2021). Sentence-T5: Scalable Sentence Encoders from Pre-trained Text-to-Text Models. Findings of ACL 2022. arXiv:2108.08877. link ↗
- Guo, J., Shah, D., & Barzilay, R. (2022). Multi-Source Domain Adaptation with Mixture of Experts. In Proceedings of EMNLP 2018. arXiv:1809.02060. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/ru/deep-learning/domain-adaptive-transformer
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.
- Перенос обученияМашинное обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →