<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Training Strategies on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/training-strategies/</link><description>Recent content in Training Strategies on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/training-strategies/index.xml" rel="self" type="application/rss+xml"/><item><title>半监督学习</title><link>https://terms-en.ai-term-hub.com/zh/terms/semi_supervised_learning/</link><pubDate>Sat, 18 Jul 2026 11:33:07 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/semi_supervised_learning/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>半监督学习是一种混合训练范式，它利用少量标记数据和大量未标记数据。其核心假设是未标记数据的结构有助于学习决策边界。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>一种利用标记数据和未标记数据来提高模型准确性和泛化能力的机器学习方法。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>标记数据&lt;/li>
&lt;li>未标记数据&lt;/li>
&lt;li>自训练&lt;/li>
&lt;li>流形假设&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>标注有限的图像分类&lt;/li>
&lt;li>标签稀疏的文本情感分析&lt;/li>
&lt;li>专家数据稀缺的医疗诊断预测&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/supervised-learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Supervised learning (监督学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/unsupervised-learning-%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Unsupervised learning (无监督学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active learning (主动学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/self-supervised-learning-%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Self-supervised learning (自监督学习)&lt;/a>&lt;/li>
&lt;/ul></description></item><item><title>多任务优化</title><link>https://terms-en.ai-term-hub.com/zh/terms/multitask_optimization/</link><pubDate>Sat, 18 Jul 2026 11:27:47 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/multitask_optimization/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>多任务优化涉及训练单个模型同时处理几个不同但相关的任务。通过在任务间共享中间表示，模型可以学习到更通用的特征，从而提高泛化能力和效率。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>一种训练策略，使模型能够同时优化执行多个相关任务。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>共享表示&lt;/li>
&lt;li>任务特定头部&lt;/li>
&lt;li>梯度平衡&lt;/li>
&lt;li>迁移学习&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>联合目标检测与分割&lt;/li>
&lt;li>多标签分类&lt;/li>
&lt;li>语音识别与语言建模&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/multi_label_classification-%E5%A4%9A%E6%A0%87%E7%AD%BE%E5%88%86%E7%B1%BB/">multi_label_classification (多标签分类)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/shared_layers-%E5%85%B1%E4%BA%AB%E5%B1%82/">shared_layers (共享层)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/gradient_accumulation-%E6%A2%AF%E5%BA%A6%E7%B4%AF%E7%A7%AF/">gradient_accumulation (梯度累积)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>