Доменно-адаптивний Трансформер
Доменно-адаптивний Трансформер (DAT) — це модель на основі архітектури Трансформера, як-от BERT або ViT, розширена явною метою вирівнювання доменів, щоб навчені представлення добре переносилися з розміченого вихідного домену на інший, часто нерозмічений, цільовий домен. Цей підхід поєднує потужну здатність Трансформерів до представлення даних з методами адаптації доменів, такими як змагальне навчання або контрастне вирівнювання, для мінімізації зсуву доменів.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/uk/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.
- Трансферне навчанняМашинне навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →