Регуляризоване трансферне навчання
Регуляризоване трансферне навчання застосовує явні штрафні члени до конвеєра трансферного навчання для контролю того, наскільки модель відхиляється від знань вихідної області під час адаптації до нової цільової області. Регуляризатор запобігає негативному трансферу — шкідливому перенесенню нерелевантних вихідних патернів — зберігаючи при цьому корисні спільні представлення та запобігаючи перенавчанню, коли мітки цільової області 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
- 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 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/uk/machine-learning/regularized-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.
- Навчання з малою кількістю прикладівМашинне навчання↔ compare
- Навчання метрикМашинне навчання↔ compare
- Регуляризована логістична регресіяМашинне навчання↔ compare
- Регуляризований випадковий лісМашинне навчання↔ compare
- Напівкероване трансферне навчанняМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →