Domänadaptiv GRU
Domänadaptiv GRU kombinerar Gated Recurrent Unit-arkitekturen med domänadaptationstekniker för att träna en sekvensmodell på en märkt källdomän och överföra den till en annan men relaterad måldomän, vilket minskar prestandaförsämringen orsakad av distributionsförskjutning. Den tillämpas brett inom NLP-uppgifter som domänöverskridande sentimentanalys, namngiven entitetsigenkänning och textklassificering där märkt måldomändata är knapp.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014 (pp. 1724–1734). Association for Computational Linguistics. link ↗
- Ganin, Y., Ustinova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(1), 2096–2030. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/sv/deep-learning/domain-adaptive-gru
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.
- Domänadaptivt rekurrent neuralt nätverkDjupinlärning↔ compare
- Domänadaptiv TransformerDjupinlärning↔ compare
- Finjusterad GRUDjupinlärning↔ compare
- Gated Recurrent Unit (GRU)Djupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →