Mikä on Transfer Learning?
Oppimismenetelmä, jossa aiemmin opittua tietoa sovelletaan uuteen, mutta liittyvään tehtävään.
Määritelmä
Siirto-oppiminen (Transfer Learning) on oppimismenetelmä, jossa aiemmin koulutetun mallin oppimat ominaisuudet ja tiedot hyödynnetään uuden, liittyvän tehtävän oppimisessa.
Tarkoitus
Siirto-oppimisen tarkoituksena on nopeuttaa oppimista ja parantaa suorituskykyä hyödyntämällä aiemmin opittua tietoa sen sijaan, että aloitettaisiin alusta.
Toiminta
Siirto-oppiminen toimii ottamalla esikoulutetun mallin ja soveltamalla sen oppimat perusominaisuudet uuteen tehtävään, usein hienosäätämällä mallia uudelle datalle.
Esimerkki
Kuvantunnistusmalli, joka on koulutettu tunnistamaan yleisiä objekteja, voidaan hienosäätää tunnistamaan lääketieteellisiä kuvia pienemmällä datajoukolla.
Liittyvät
- Fine-tuning
- Pre-trained Models
- Domain Adaptation
- Knowledge Reuse
Haluatko tietää lisää?
Jos haluat tietää lisää aiheesta Siirto-oppiminen, ota yhteyttä minuun X:ssä. Rakastan jakaa ideoita, vastata kysymyksiin ja keskustella aiheista, joten älä epäröi tulla mukaan. Nähdään pian!
Mikä on Self-Play?
Itsepeli (Self-Play) on oppimismenetelmä, jossa AI-järjestelmä harjoittaa j...
Mikä on Reinforcement Learning?
Vahvistusoppiminen (Reinforcement Learning) on oppimismenetelmä, jossa AI-a...
Mikä on Machine Learning?
Machine Learning (ML) on tekoälyn osa-alue, jossa tietokoneet oppivat ja pa...
Mikä on One-Shot Learning?
One-Shot Learning on oppimismenetelmä, jossa AI-malli kykenee oppimaan ja s...
Mikä on Zero-Shot Learning?
Zero-Shot Learning on AI-mallin kyky suoriutua tehtävistä tai tunnistaa käs...