Machine learningMachine learning

Överföringsinlärning

Överföringsinlärning (Transfer learning) är ett maskininlärningsparadigm där kunskap som erhållits från träning av en modell på en källuppgift eller domän återanvänds för att förbättra inlärningen på en annan men relaterad måluppgift eller domän. Det är särskilt kraftfullt när märkta data för måluppgiften är knappa, och det ligger till grund för de flesta moderna djupinlärningsapplikationer inom datorseende, naturlig språkbehandling och bortom.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

Överföringsinlärning

Few-shot Learning Självövervakad inlärning Semi-övervakad inlärning Federated Active Learning Aktiv inlärning med själ…Bayesiansk fåskottsinlär…Bayesiansk semi-övervaka…Bayesiansk överföringsin…Curriculum Learning Dataaugmentering

+40 more

Källor

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 ↗

Så citerar du den här sidan

ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/sv/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.

Few-shot LearningMaskininlärning↔ compare
Självövervakad inlärningMaskininlärning↔ compare
Semi-övervakad inlärningMaskininlärning↔ compare

Compare side by side →

Refereras av

Federated Active Learning Aktiv inlärning med självövervakad inlärning Bayesiansk fåskottsinlärning Bayesiansk semi-övervakad inlärning Bayesiansk överföringsinlärning Curriculum Learning Dataaugmentering Domänanpassning Domänadaptiv förstärkningsinlärning Domänadaptiv Transformer Domänadaptiv Variational Autoencoder EfficientNet Ensemble Federated Learning Ensemble Few-Shot Learning Ensemble Metric Learning Ensemble Självövervakad Inlärning Ensemble Semi-supervised Learning Ensemble Transfer Learning Few-shot Learning Metriskinlärning Multisteg-inlärning Neural Style Transfer Online Federated Learning Online Few-shot Learning Online Learning Online självövervakad inlärning Online semi-supervised learning Online transferinlärning Reglerad federerad inlärning Regulariserad fåskjutsinlärning Regulariserad onlineinlärning Regulariserad överföringsinlärning Robust Federated Learning Självövervakat aktivt lärande Självövervakad federerad inlärning Självövervakad inlärning med få exempel (Self-supervised Few-shot Learning)Självövervakad bildklassificering Självövervakad K-närmaste grannar Självövervakad inlärning Självövervakad LightGBM Självövervakad logistisk regression Självövervakad sentimentanalys Självövervakad staplingsensemble Självövervakad överföringsinlärning Semi-övervakad federerad inlärning Semi-övervakad Fåskotts-inlärning Semi-övervakad inlärning Semi-supervised metric learning Semi-supervised Transfer Learning T5 (Text-till-Text Transfer Transformer)

Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →

Läs hela metoden

Method map

Källor

Så citerar du den här sidan

Närliggande metoder

Which method?

Refereras av