domænetilpasningsmetode
En metode til at tilpasse en maskinlæringsmodel trænet på et kildedomæne til at fungere effektivt på et måldomæne med en anden datafordeling.
Kort fortalt
En teknik, der hjælper en AI-model med at overføre sin viden fra et område til et andet, selvom dataene er lidt forskellige.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
1- 1
En samlebetegnelse for teknikker, der justerer en model trænet på et kildedomæne, så den generaliserer til et måldomæne med en anden statistisk fordeling, typisk uden at skulle genoptræne fra bunden.
- En almindelig domænetilpasningsmetode er at anvende adversarial træning, hvor en diskriminator forsøger at skelne mellem kilde- og måldomæne, mens encoderen lærer at producere domæneinvariante repræsentationer. — Ganin et al., 'Domain-Adversarial Training of Neural Networks', 2016
- I naturlig sprogbehandling bruges domænetilpasningsmetoder som f.eks. at finjustere en fortrænet sprogmodel på måldomænetekst. — Howard & Ruder, 'Universal Language Model Fine-tuning for Text Classification', 2018
Hvornår bruges det
Domænetilpasningsmetoder anvendes typisk i situationer, hvor der er rigeligt med træningsdata fra ét domæne (f.eks. syntetiske billeder), men man ønsker at anvende modellen på et andet domæne (f.eks. virkelige billeder). De er centrale i transfer learning og bruges ofte i naturlig sprogbehandling og computer vision.
Oprindelse
Sammensat af 'domæne' (område) og 'tilpasningsmetode' (metode til tilpasning), fra engelsk 'domain adaptation method'.
Kilder
2- Ganin et al., 'Domain-Adversarial Training of Neural Networks', 2016
- Howard & Ruder, 'Universal Language Model Fine-tuning for Text Classification', 2018