Transferno učenje
Transferno učenje je paradigma mašinskog učenja u kojoj se znanje stečeno obučavanjem modela na izvornom zadatku ili domenu ponovo koristi za poboljšanje učenja na drugačijem, ali srodnom ciljnom zadatku ili domenu. Posebno je moćno kada su obeleženi podaci za ciljni zadatak oskudni, i ono je osnova većine modernih aplikacija dubokog učenja u kompjuterskom vidu, obradi prirodnog jezika i šire.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+40 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/sr/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.
- Učenje sa malo primera (Few-shot Learning)Mašinsko učenje↔ compare
- Samostalno učenjeMašinsko učenje↔ compare
- Semi-supervised LearningMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →