Transfer learning

Doménová adaptácia

Domain adaptation

Doménová adaptácia je skupina metód, ktoré upravujú model naučený na zdrojovej doméne tak, aby fungoval v cieľovej doméne s odlišným rozdelením dát, ale príbuznou úlohou. Cieľová doména môže mať málo štítkov alebo byť úplne neoznačená. Metódy zahŕňajú váženie príkladov, zarovnanie reprezentácií, adversariálne učenie doménovo invariantných znakov, self training a jemné doladenie. Úspech predpokladá, že medzi doménami existuje prenositeľná štruktúra a že adaptácia nezakryje rozdiely dôležité pre bezpečnosť.

Posledná odborná revízia
28. júla 2026
Odborný garant
Miroslav Schmiedt
ID
AI-GEO-D-21

Odborná definícia

Odborná definícia

Doménová adaptácia je skupina metód, ktoré upravujú model naučený na zdrojovej doméne tak, aby fungoval v cieľovej doméne s odlišným rozdelením dát, ale príbuznou úlohou. Cieľová doména môže mať málo štítkov alebo byť úplne neoznačená. Metódy zahŕňajú váženie príkladov, zarovnanie reprezentácií, adversariálne učenie doménovo invariantných znakov, self training a jemné doladenie. Úspech predpokladá, že medzi doménami existuje prenositeľná štruktúra a že adaptácia nezakryje rozdiely dôležité pre bezpečnosť.

Zrozumiteľné vysvetlenie

Zrozumiteľné vysvetlenie

Model na kontrolu výrobkov sa môže naučiť z fotografií z laboratória, no v továrni sú iné kamery, svetlo a pozadie. Namiesto kompletného označenia nového datasetu sa doménová adaptácia snaží zachovať vedomosti o chybe a odfiltrovať rozdiely spôsobené prostredím. To však funguje iba vtedy, keď sa cieľ úlohy nezmenil. Ak sa v novej továrni objavujú iné typy porúch, násilné zarovnanie domén môže tieto rozdiely skryť a zhoršiť detekciu práve tam, kde je najviac potrebná.

Časté otázky

Časté otázky

Ako sa doménová adaptácia líši od transfer learningu?

Transfer learning je širší pojem. Doménová adaptácia sa osobitne zameriava na rovnakú alebo príbuznú úlohu pri rozdielnych distribúciách zdrojovej a cieľovej domény.

Čo je unsupervised domain adaptation?

Zdrojová doména má štítky, cieľová nie. Model využíva neoznačené cieľové dáta na zarovnanie reprezentácií alebo vytvorenie pseudo štítkov.

Kedy môže nastať negative transfer?

Keď zdrojové vedomosti nie sú pre cieľ vhodné alebo metóda prenesie skreslenie. Výkon je potom horší než pri modeli učenom iba z cieľových dát.

Ako sa adaptácia hodnotí bez veľkého cieľového datasetu?

Treba vytvoriť aspoň nezávislú, reprezentatívnu a ručne označenú cieľovú testovaciu vzorku. Bez nej nemožno spoľahlivo potvrdiť prenos výkonu.

Je preklad jazyka príkladom doménovej adaptácie?

Môže byť, ak sa rovnaký prekladový model prispôsobuje právnym, medicínskym alebo hovorovým textom s odlišnou slovnou zásobou a štýlom.

Súvisiace pojmy

Súvisiace pojmy

Zdroje a redakčná stopa

Zdroje a redakčná stopa

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.