Bayesiansk överföringsinlärning
Bayesiansk överföringsinlärning är ett probabilistiskt ramverk som använder kunskap från en källdomän med mycket data för att konstruera informativa priorfördelningar för en modell som tränas på en måltomän med knappt med data. Genom att koda kunskap från källdomänen som priorfördelningar över parametrar, låter ramverket modellen generalisera väl på måluppgiften även med mycket begränsade märkta exempel.
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
- Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM. link ↗
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/sv/machine-learning/bayesian-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.
- Bayesiansk Gaussisk ProcessMaskininlärning↔ compare
- Few-shot LearningMaskininlärning↔ compare
- Semi-supervised Transfer LearningMaskininlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →