Рекурентна нейронна мережа з адаптацією до домену
Рекурентна нейронна мережа з адаптацією до домену (DA-RNN) — це рекурентна нейронна мережа, навчена на вихідному домені та адаптована до цільового домену за допомогою методів адаптації домену, таких як змагальне навчання, вирівнювання ознак або доналаштування. Вона дозволяє послідовним моделям узагальнювати між доменами, коли мічені дані цільового домену є дефіцитними або недоступними.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Ganin, Y., Ustunova, 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(59), 1–35. 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/uk/deep-learning/domain-adaptive-recurrent-neural-network
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Класифікація на основі BERT з адаптацією до предметної областіГлибоке навчання↔ порівняти
- Доменно-адаптивний ТрансформерГлибоке навчання↔ порівняти
- Доопрацьована рекурентна нейронна мережаГлибоке навчання↔ порівняти
- Довга короткострокова пам'ять (LSTM)Глибоке навчання↔ порівняти
- Рекурентна нейронна мережаГлибоке навчання↔ порівняти
- Навчання з переносом за допомогою рекурентної нейронної мережіГлибоке навчання↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →