Transfer Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 4
- 평가표
- 6
- 보존된 평가 기록
- 10
Transfer Learning is a machine learning technique where a model trained on one task is re-purposed and fine-tuned for a related, but different task. The idea behind transfer learning is to leverage the knowledge learned from a pre-trained model to solve a new, but related problem. This can be useful in situations where there is limited data available to train a new model from scratch, or when the new task is similar enough to the original task that the pre-trained model can be adapted to the new problem with only minor modifications.
<span style="color:grey; opacity: 0.6">( Image credit: Subodh Malgonde )</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
우울증 중증도 예측을 위한 교차 척도 전이학습: 언어 및 임상 패러다임을 넘나드는 PHQ-8에서 HAMD-17로의 전이
AdaDim: SSL 표현 역학을 위한 차원성 적응
파운데이션 모델을 위한 매개변수 중요도 기반 지속 학습
미세조정 후 보정
LORA-CRAFT: 사전학습 어텐션 가중치의 동결 Tucker 분해를 통한 층 간 랭크 적응
적대적 다중 작업 학습을 통한 간섭 탐지 및 식별 통합
코끼리 발성 분류를 위한 매개변수 없는 퓨샷 평가
PhenoBench: 심층 표현형 분석 코호트가 밝혀낼 수 있는 정보의 지도화
부분적 센서 중첩 하의 기계 간 CNC 전이를 위한 월드 모델
MyoFlow: 세션 및 피험자 간 HD-sEMG 제스처 인식을 위한 앵커 결합 정류 흐름(rectified flow)
Agora: 집단적 자동 연구를 위한 공유 메모리로서의 Git
머신러닝 기반 고분자 물성 예측을 위한 공개 벤치마크
ChipMEM: EDA 에이전트를 위한 검증 기반 메모리
구현체를 아우르는 지능
fMRI 파운데이션 모델에 대한 스케일링 연구
Live Assistant: 실제 라이브 소셜 스트림에서 지원 여부, 시점 및 대상을 학습하기
과제 조건 잠재 정렬을 통한 뇌-기계 인터페이스의 세션 간 안정적 신경 디코딩
어디를 볼지 학습하기: 시계열 예측과 PPG 기반 생체 신호 재구성을 위한 공유 상대 정렬 모듈
TNLearn: 태스크 기반 뉴런을 위한 오픈소스 Python 패키지
VCMM: 멀티모달 학습을 위한 분산 보정 모멘텀
Step Law는 소규모 언어 모델에도 전이되는가? 59M 파라미터 미만에서의 실증적 재보정
정형 파운데이션 모델은 문맥 내에서 무엇을 계산하는가? 어텐션 게이트 업데이트를 통한 현장 표현 정제
적응이 해가 될 때: 연합 학습 웨어러블 온보딩에서의 분할 민감성과 개인 수준 부정적 전이
추론 문자열에서 부분 순서로: 몫 정책 최적화를 통한 검증기 인증 규칙 전이
공유 인코더가 곧 공유 태스크를 의미하지는 않는다: 딥 전문가 풀을 위한 조건부 비교
정확도 격차가 인증을 대신하지 못할 때: LLM 심판의 교차 도메인 재보정 감사
CS-WCP: 불확실한 그룹 비율을 갖는 LLM 판정 모델 트래픽 변화에 대한 강건한 적합 예측 집합
저매개변수 직교 행렬 군을 위한 리만 구조 및 최적화
조건부 플로우 매칭을 통한 효율적인 멀티태스크 조작 정책 지식 증류
EvEMTBench: 전력 시스템 보호를 위한 머신러닝 오픈 벤치마크
지리공간 임베딩은 고대림을 탐지하지만, 버퍼 공간 검증은 Sentinel 특징 대비 그 이점을 줄인다
종단적 혈당 표현을 위한 전이 가능한 근거 재구성
월드 모델을 활용한 일반화 가능한 로봇 삽입
효율적인 VLA를 만드는 요소는 무엇인가? 액션 헤드 설계, 스케일링, 지연시간
LiFR v2: 고속률 고밀도 예측을 위한 완성 보강 이벤트 전파
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.