화학 영역 간의 전이 학습을 통해 유기 물질의 효율적인 가상 스크리닝을 증명하는 연구
본 논문에서는 다양한 데이터 세트에서 사전 훈련된 커널 회귀 모델의 혼합을 효율적으로 미세 조정하기 위한 후회 최적화 연합 전이 학습 알고리즘을 제안하고, 이를 미국식 옵션 가격 책정 문제에 적용하여 성능을 입증합니다.
사전 훈련된 언어 모델을 여러 중간 소프트웨어 엔지니어링 작업으로 순차적으로 파인튜닝하는 순서는 대상 작업의 성능에 유의미한 영향을 미치며, 이는 데이터 세트 특성, 작업 연관성 및 모델 학습 특성 간의 복잡한 상호 작용 때문입니다.
이미지넷에서 사전 훈련된 CNN 및 ViT 모델은 주변 안구 인식에서 우수한 성능을 달성하기 위해 미세 조정 없이 특징 추출기로 직접 사용할 수 있으며, 이러한 모델의 조합은 성능을 더욱 향상시킵니다.
본 논문에서는 공변량 이동 전이 학습에서 일반 추정 방정식을 사용한 효율적인 매개변수 추론 방법을 제안합니다.
본 논문에서는 축소 차수 모델에서 학습된 강화 학습 정책을 전체 상태 시스템으로 전이할 때 발생하는 성능 저하를 이론적으로 분석하고, 내부 루프 컨트롤러의 안정성이 전이 학습 성능에 미치는 영향을 정량화합니다.
레이블이 부족한 소외 집단에 대한 위험 모델링을 개선하기 위해, 공변량 변화와 결과 모델 이질성을 동시에 해결하는 새로운 전이 학습 접근 방식인 MAKEUP(Model-Assisted and KnowledgE-guided transfer regression targeting Underrepresented Population)을 제안합니다.
전이 학습의 성공은 소스 작업과 대상 작업 간의 데이터 분포 유사성보다는 사전 훈련된 모델의 특징 공간과 대상 작업 간의 일치성에 좌우됩니다.
본 논문에서는 분산형 제조 시스템의 자율 최적화를 향상시키기 위해 상태 기반 잠재 게임(SbPG)에 전이 학습을 적용하는 새로운 접근 방식을 제시합니다.
본 논문은 힌디어와 네팔어 간의 전이 학습을 통해 희소 주석 언어에 대한 심층 NLP 시스템의 성능을 향상시킬 수 있는지 탐구합니다. 특히, 공동으로 훈련된 단어 임베딩, 다중 작업 학습, 교차 언어 단어 임베딩 매핑을 활용하여 희소 주석 언어의 POS 태깅 작업 성능을 향상시키는 데 중점을 둡니다.