Метод адаптивної дистиляції знань від кількох моделей-учителів до моделі-учня в глибокому навчанні
Journal of Edge Computing, т. 4, № 2, с. 159-178
Стислий огляд дослідження
Компактний класифікатор МРТ серця навчається в кількох моделей-учителів і враховує відмінності між наборами даних. Внесок кожного вчителя змінюється залежно від вхідного прикладу; нерозмічені зображення доповнюють навчання. Експерименти між доменами перевіряють користь цих компонентів за браку розмічених цільових даних.
Бібліографічне посилання
Формат цитування для вашого видання чи організації звірте із записом у видавця.
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
Перевірте метод на вашій задачі.
Опишіть рішення, яке має підтримувати ваша система, та дані, з якими вона працює. Оцінимо придатність методу, визначимо обсяг прототипу й погодимо, як перевірити якість, час відповіді та вартість його роботи.