A utility-driven approach to instance-based transfer learning for relational domains

Statistical relational learning involves exploring a complex search space of objects, their relationships, and probability parameters to find an optimal model. To reduce search complexity, previous work has explored taking advantage of a learned model in a source domain and transfer it to a target d...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Machine learning Ročník 114; číslo 11; s. 261
Hlavní autoři:	Pereira, Cainã F., Menasché, Daniel S., Zaverucha, Gerson, Paes, Aline, Barbosa, Valmir C.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.11.2025 Springer Nature B.V
Témata:	Artificial Intelligence Complexity Computer networks Computer Science Control Learning Machine Learning Mechatronics Natural Language Processing (NLP) Resource allocation Robotics Simulation and Modeling Statistical analysis Utilities Utility functions Relational learning Utility maximization Statistical relational learning Transfer learning
ISSN:	0885-6125, 1573-0565
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!