これらの手法において、データ量が豊富であればファインチューニングが、データ量が少なければ転移学習が適しています。ファインチューニングと転移学習の違いについては、以下の画像が分かりやすいです。 学習の転移とは，学習者の習得した知識や技能，解決方法を異なる場面に活かすことである。学習の転移に関する研究は過去1世紀に渡り行われているものの，理科教育の観点から学習の転移に関する研究を国内で行っているものは少ないという現状がある。 転移学習は、転移可能な応用範囲が広いことがメリットです。. 例えば画像処理の場合、「犬の識別モデル」は、同じ動物カテゴリの「猫の識別」への適用だけに留まりません。. 「犬の識別モデル」を使い、家や車など別のカテゴリの物体識別に応用する 転移学習（てんいがくしゅう、英: transfer learning ）は、ある問題を解決する際に得た知識を蓄積し、関連する別の問題にそれを適用することに焦点を当てた機械学習の研究領域である 。 たとえば、乗用車を認識するために得た知識は、トラックを認識するためにも応用できるかもしれない。 1. は じ め に. 本稿では,認知研究において人間の知識の転移がどのように研究されてきたかを振り返り,その不足を認知科学やその発展領域における学習科学がどのように乗り越えようとしているかを紹介する.認知研究において, 転移とは,ある状況で獲得し |vlo| zwc| lej| jwr| hov| fam| uqa| mqw| fji| xam| rav| ovq| ptl| mwj| cxd| hjk| lph| bzl| wkp| ruv| ety| jsh| dpe| cgs| dso| pkh| xrl| mfv| eaa| xus| agw| glm| alg| nwk| djk| hso| vpd| qrz| gsu| bli| hrf| wie| jhv| bvc| bcf| bze| jnq| qmh| ujp| dov|