Transferno učenje
Transferno učenje (енгл. Transfer learning, TL) je tehnika mašinskog učenja (ML) u kojoj se znanje naučeno iz zadatka ponovo koristi da bi se poboljšao učinak na povezanom zadatku.[1] Na primer, za klasifikaciju slika, znanje stečeno tokom učenja prepoznavanja automobila moglo bi se primeniti kada se nastoji da se prepoznaju kamioni. Ova tema je vezana za psihološku literaturu o transferu učenja, iako su praktične veze između ove dve oblasti ograničene. Ponovno korišćenje/prenošenje informacija sa prethodno naučenih zadataka u nove zadatke ima potencijal da značajno poboljša efikasnost učenja.[2]
Pošto transferno učenje koristi obuku sa višestrukim funkcijama cilja, ono je povezano sa mašinskim učenjem osetljivim na troškove i optimizacijom sa više ciljeva.[3]
Reference
уреди- ^ West, Jeremy; Ventura, Dan; Warnick, Sean (2007). „Spring Research Presentation: A Theoretical Foundation for Inductive Transfer”. Brigham Young University, College of Physical and Mathematical Sciences. Архивирано из оригинала 2007-08-01. г. Приступљено 2007-08-05.
- ^ George Karimpanal, Thommen; Bouffanais, Roland (2019). „Self-organizing maps for storage and transfer of knowledge in reinforcement learning”. Adaptive Behavior. 27 (2): 111—126. ISSN 1059-7123. S2CID 53774629. arXiv:1811.08318
. doi:10.1177/1059712318818568.
- ^ Cost-Sensitive Machine Learning. (2011). USA: CRC Press, Page 63, https://books.google.de/books?id=8TrNBQAAQBAJ&pg=PA63
Literatura
уреди- Thrun, Sebastian; Pratt, Lorien (6. 12. 2012). Learning to Learn. Springer Science & Business Media. ISBN 978-1-4615-5529-2.