Регуляризованное трансферное обучение
Регуляризованное трансферное обучение применяет явные штрафные члены к конвейеру трансферного обучения для контроля того, насколько модель отклоняется от знаний исходного домена при адаптации к новому целевому домену. Регуляризатор препятствует негативному переносу — вредному перенесению нерелевантных исходных паттернов — сохраняя при этом полезные общие представления и предотвращая переобучение, когда метки целевого домена скудны.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/ru/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.
- Обучение на малом числе примеров (Few-shot Learning)Машинное обучение↔ compare
- Метрическое обучениеМашинное обучение↔ compare
- Регуляризованная логистическая регрессияМашинное обучение↔ compare
- Регуляризованный случайный лесМашинное обучение↔ compare
- Полуавтономное обучение с переносомМашинное обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →