Transformer i Përshtatshëm për Domene
Një Transformer i Përshtatshëm për Domene (DAT) është një model i bazuar në Transformer — siç janë BERT ose ViT — i zgjeruar me një objektiv të qartë të përafrimit të domenit, në mënyrë që përfaqësimet e mësuara të transferohen mirë nga një domen burimor i etiketuar në një domen tjetër, shpesh të etiketuar, target. Qasja kombinon kapacitetin e fuqishëm të përfaqësimit të Transformer-ave me teknika të përshtatjes së domenit, siç janë trajnimi kundërshtar ose përafrimi kontrastiv, për të minimizuar ndryshimin e domenit.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/sq/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.
- Mësimi i TransferueshëmMësimi i makinës↔ compare
- Vision TransformerMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →