Domänadaptiv Transformer
En domänadaptiv Transformer (DAT) är en Transformer-baserad modell – såsom BERT eller ViT – utökad med ett explicit mål för domänanpassning, så att inlärda representationer överförs väl från en märkt källdomän till en annan, ofta omärkt, måldomän. Metoden kombinerar Transformers kraftfulla representationskapacitet med tekniker för domänanpassning, såsom adversariell träning eller kontrastiv anpassning, för att minimera domänförskjutning.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/sv/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.
- ÖverföringsinlärningMaskininlärning↔ compare
- Vision TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →