Prenosové učenie
Prenosové učenie je paradigma strojového učenia, pri ktorej sa vedomosti získané trénovaním modelu na zdrojovej úlohe alebo doméne opätovne využívajú na zlepšenie učenia sa na odlišnej, ale súvisiacej cieľovej úlohe alebo doméne. Je obzvlášť účinné, keď je označených dát pre cieľovú úlohu málo, a tvorí základ väčšiny moderných aplikácií hlbokého učenia v počítačovom videní, spracovaní prirodzeného jazyka a iných oblastiach.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+40 more
Zdroje
- 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 ↗
- Bengio, Y. (2012). Deep Learning of Representations for Unsupervised and Transfer Learning. In Proceedings of ICML Workshop on Unsupervised and Transfer Learning, PMLR 27, 17–36. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/sk/machine-learning/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.
- Few-shot LearningStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →