Të mësuarit me shumë detyra
Të mësuarit me shumë detyra (MTL) është një paradigmë e të mësuarit automatik në të cilën një model trajnohet njëkohësisht në detyra të shumta të lidhura, duke ndarë përfaqësimet mes tyre për të përmirësuar përgjithësimin. Paraqitur formalisht nga Rich Caruana në vitin 1997, MTL mbështetet në intuitën se detyrat ndihmëse veprojnë si paragjykim induktiv, duke ofruar sinjale shtesë mbikëqyrjeje që ndihmojnë shtresat e përbashkëta të mësojnë përfaqësime tiparesh më të pasura dhe më të qëndrueshme sesa do të jepte trajnimi me një detyrë të vetme.
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
- Caruana, R. (1997). Multitask learning. Machine Learning, 28(1), 41–75. DOI: 10.1023/A:1007379606734 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). Multitask Learning. ScholarGate. https://scholargate.app/sq/deep-learning/multitask-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.
- Curriculum LearningMësimi i thellë↔ compare
- Distilimimi i NjohuriveMësimi i thellë↔ compare
- Mësimi i TransferueshëmMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →