Metoda adaptacyjnej destylacji wiedzy z wielu modeli nauczycieli do uczącego się modelu głębokiego uczenia
Journal of Edge Computing, t. 4, nr 2, s. 159-178
Streszczenie redakcyjne
Kompaktowy klasyfikator MRI serca uczy się od kilku modeli nauczycielskich, uwzględniając różnice między zbiorami danych. Wkład każdego nauczyciela zależy od przykładu wejściowego, a obrazy bez etykiet uzupełniają trening. Eksperymenty między domenami sprawdzają przydatność tych elementów przy niedoborze oznaczonych danych docelowych.
Opis bibliograficzny
Format cytowania wymagany przez czasopismo lub organizację sprawdź w rekordzie wydawcy.
Oleksandr Chaban, Eduard Manziuk, Pavlo Radiuk. "Method of Adaptive Knowledge Distillation from Multi-Teacher to Student Deep Learning Models". Journal of Edge Computing, Vol. 4, No. 2, pp. 159-178, 2025. https://doi.org/10.55056/jec.978
Sprawdź metodę w swoim zastosowaniu.
Opisz decyzję, którą ma wspierać Twój system, oraz dostępne dane. Ocenimy przydatność metody, określimy zakres prototypu i uzgodnimy sposób pomiaru jakości, czasu odpowiedzi oraz kosztu działania.