Cuốn sách trình bày các phương pháp mới nhất để triển khai chuyển giao học tập trong AI, giúp mô hình tận dụng kiến thức từ nhiệm vụ này để cải thiện hiệu suất ở nhiệm vụ khác, giảm yêu cầu dữ liệu và thời gian huấn luyện. Sách đề cập các ứng dụng trong viễn thông, giao diện não – máy tính và điện toán lượng tử, cùng với các kỹ thuật như thích ứng miền, chuyển giao giữa các miền, tích hợp cổ điển – lượng tử. Các chủ đề chính gồm mạng nơ-ron, học máy lượng tử, bảo vệ quyền riêng tư, tính giải thích và khả năng mở rộng của mô hình. Cuốn sách kết hợp lý thuyết và thực tiễn, phù hợp với các chuyên ngành AI, học máy, khoa học máy tính và khoa học dữ liệu.

Abstract:

This book presents the latest methods for implementing transfer learning in AI, which enables models to leverage knowledge from one task to improve performance on another, reducing data requirements and training time. The book covers applications in telecommunications, brain-computer interfaces, and quantum computing, along with techniques such as domain adaptation, cross-domain transfer, and classical-quantum integration. Key topics include neural networks, quantum machine learning, privacy protection, model explainability, and scalability. The book combines theory and practice, making it suitable for AI, machine learning, computer science, and data science majors

Ngôn ngữ:	eng
Tác giả:	Abdul Majeed, Anwar P.P. (editor)
Thông tin nhan đề:	Transfer Learning: Leveraging the Capability of Pre-trained Models Across Different Domains
Nhà xuất bản:	IntechOpen
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by/3.0/
Nguồn gốc:	https://directory.doabooks.org/handle/20.500.12854/161598
Mô tả vật lý:	128p.
Năm xuất bản:	2025