Вашингтонски държавен университет Pullman, Pullman, WA, Вашингтон

транзакции

Вашингтонски държавен университет Pullman, Pullman, WA, Вашингтон

Вашингтонски държавен университет Pullman, Pullman, WA, Вашингтон

Вашингтонски държавен университет Pullman, Pullman, WA, Вашингтон

Добавено е ново предупреждение за цитиране!

Този сигнал е добавен успешно и ще бъде изпратен на:

Ще бъдете уведомени всеки път, когато е цитиран запис, който сте избрали.

За да управлявате вашите предпочитания за предупреждения, щракнете върху бутона по-долу.

Сигнал за ново цитиране!

Запазване в Binder
ACM транзакции върху интелигентни системи и технологии

Резюме

Дълбокото обучение доведе до най-съвременни резултати за различни задачи. Въпреки че подобни подходи за контролирано обучение се представят добре, те предполагат, че данните за обучение и тестване са взети от едно и също разпределение, което не винаги може да бъде така. Като допълнение към това предизвикателство, ненадзорната адаптация на домейн с един източник може да се справи със ситуации, при които мрежата се обучава върху етикетирани данни от домейн източник и немаркирани данни от свързан, но различен целеви домейн, с цел да се представи добре по време на теста на целеви домейн. По този начин са разработени много подходи с еднозначен и типично хомогенен неконтролиран подход за дълбока адаптация на домейни, комбиниращи мощните йерархични представяния от задълбочено обучение с адаптация на домейн, за да се намали разчитането на потенциално скъпи етикети на целевите данни. Това проучване ще сравнява тези подходи чрез изследване на алтернативни методи, уникалните и общи елементи, резултати и теоретични познания. Ние следваме това с поглед към областите на приложение и отворени насоки за изследване.