Байєсівське трансферне навчання
Байєсівське трансферне навчання — це ймовірнісна структура, яка використовує знання з вихідної області з великою кількістю даних для побудови інформативних апріорних розподілів для моделі, навченої на цільовій області з обмеженою кількістю даних. Кодуючи знання вихідної області як апріорні розподіли параметрів, структура дозволяє моделі добре узагальнювати цільове завдання навіть за наявності дуже обмеженої кількості мічених прикладів.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Transfer Learning (Probabilistic Domain Adaptation). ScholarGate. https://scholargate.app/uk/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.
- Байєсівський гауссівський процесМашинне навчання↔ compare
- Навчання з малою кількістю прикладівМашинне навчання↔ compare
- Напівкероване трансферне навчанняМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →