Transformer Thích ứng Miền
Transformer Thích ứng Miền (DAT) là một mô hình dựa trên Transformer — như BERT hay ViT — được mở rộng với mục tiêu căn chỉnh miền rõ ràng để các biểu diễn học được có thể chuyển giao tốt từ một miền nguồn có nhãn sang một miền đích khác, thường là không có nhãn. Phương pháp này kết hợp khả năng biểu diễn mạnh mẽ của Transformer với các kỹ thuật thích ứng miền như huấn luyện đối nghịch hoặc căn chỉnh tương phản để giảm thiểu sự dịch chuyển miền.
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
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Domain-Adaptive Transformer (DAT). ScholarGate. https://scholargate.app/vi/deep-learning/domain-adaptive-transformer
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.
- Transfer LearningHọc máy↔ so sánh
- Transformer Thị giácHọc sâu↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →