Mạng nơ-ron hồi quy thích ứng miền
Mạng nơ-ron hồi quy thích ứng miền (DA-RNN) là một mạng nơ-ron hồi quy được huấn luyện trên một miền nguồn và thích ứng với một miền đích bằng các kỹ thuật thích ứng miền như huấn luyện đối nghịch, căn chỉnh đặc trưng, hoặc tinh chỉnh. Nó cho phép các mô hình tuần tự tổng quát hóa qua các miền khi dữ liệu miền đích có nhãn khan hiếm hoặc không có sẵn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Domain-adaptive Recurrent Neural Network (DA-RNN). ScholarGate. https://scholargate.app/vi/deep-learning/domain-adaptive-recurrent-neural-network
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Phân loại dựa trên BERT thích ứng miềnHọc sâu↔ so sánh
- Transformer Thích ứng MiềnHọc sâu↔ so sánh
- Mạng nơ-ron hồi quy tinh chỉnh (Fine-Tuned Recurrent Neural Network)Học sâu↔ so sánh
- Mạng bộ nhớ dài-ngắn hạn (LSTM)Học sâu↔ so sánh
- Mạng nơ-ron hồi quyHọc sâu↔ so sánh
- Học chuyển giao với Mạng nơ-ron hồi quyHọc sâu↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →