domænetilpasningsteknik
En domænetilpasningsteknik er en metode til at justere en model, der er trænet på et kildedomæne, så den præsterer godt på et andet, men relateret, måldomæne.
Kort fortalt
Kort fortalt: en teknik, der hjælper en AI-model med at overføre viden fra én kontekst til en anden lignende kontekst.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
1- 1
En samling metoder og algoritmer, der sigter mod at reducere forskellen mellem kildedomænet og måldomænet for at opnå høj ydeevne på måldomænet, ofte uden adgang til mærkede data i måldomænet.
- En almindelig domænetilpasningsteknik er at minimere MMD (Maximum Mean Discrepancy) mellem kilde- og måldomænets repræsentationer. — Gretton et al., 2012
- I naturlig sprogbehandling bruges domænetilpasningsteknikker til at overføre en sentimentmodel fra produktanmeldelser til film anmeldelser. — Blitzer et al., 2007
Hvornår bruges det
Domænetilpasningsteknikker anvendes, når en model skal bruges i et nyt domæne med begrænsede mærkede data, men med adgang til data fra et beslægtet domæne. Typiske anvendelser omfatter tekstklassifikation, billedgenkendelse og naturlig sprogbehandling, hvor modellen tilpasses skift i datadistribution.
Oprindelse
Sammensat af 'domæne' (fra fransk domaine, 'område'), 'tilpasning' (afledt af 'tilpasse', 'gøre passende') og 'teknik' (fra græsk technē, 'kunst, håndværk').
Afledte ord
2Kilder
2- Domain Adaptation in Machine Learning: A Survey
- A Survey on Transfer Learning
Se også
- Fine-tuning
- Transfer learning
- domain-shift(mangler)