Recurrent neural network language model adaptation with curriculum learning

مجموعه دوم آزمایشات ما ادغام محدودیت داده در دامنه را ارائه می دهد، به عنوان مثال، تطبیق یک مدل موجود آموزش داده شده در مجموعه ای بزرگ از داده ها با استفاده از داده های کوچکتر از زیر دامنه هدف. تحت این چالش، داده ها از زیر دامنه هدف در زمانی که مدل زبان آموزش دیده است در دسترس نیست، اما در طول زمان کمی در دسترس خواهد بود. ما نشان می دهیم که تداخل ضمنی با استفاده از روش های یادگیری درسی برنامه ریزی شده برای انجام تداخل های مرسوم بهتر است و همچنین می تواند اطلاعات بیشتری را برای تطبیق داده شود.