Доменски-адаптивни Трансформер
Доменски-адаптивни Трансформер (DAT) је модел заснован на Трансформеру — као што су BERT или ViT — проширен са експлицитним циљем поравнавања домена, тако да научене репрезентације добро прелазе из означеног изворног домена у другачији, често неозначени, циљни домен. Приступ комбинује моћан капацитет репрезентације Трансформера са техникама адаптације домена као што су непријатељско тренирање или контрастивно поравнавање како би се смањио померај домена.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/sr/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.
- Transferno učenjeMašinsko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →