Domain-Adaptive GRU
Domain-Adaptive GRU поєднує архітектуру Gated Recurrent Unit (GRU) з методами адаптації домену для навчання моделі послідовностей на розміченому вихідному домені та її перенесення до іншого, але пов'язаного цільового домену, зменшуючи зниження продуктивності, спричинене зсувом розподілу. Вона широко застосовується в завданнях обробки природної мови (NLP), таких як міждоменний аналіз тональності, розпізнавання іменованих сутностей та класифікація текстів, де розмічені дані цільового домену є рідкісними.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Domain-Adaptive Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/uk/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.
- Рекурентна нейронна мережа з адаптацією до доменуГлибоке навчання↔ compare
- Доменно-адаптивний ТрансформерГлибоке навчання↔ compare
- Доналаштований GRUГлибоке навчання↔ compare
- Блокований рекурентний блок (GRU)Глибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →