التعلم التحويلي باستخدام شبكات الذاكرة طويلة المدى (LSTM)
التعلم التحويلي باستخدام شبكات الذاكرة طويلة المدى (LSTM) هو أسلوب يتم فيه تدريب شبكة الذاكرة طويلة المدى (Long Short-Term Memory) مسبقًا على مجموعة بيانات مصدر كبيرة أو مهمة معينة، ثم يتم نقل أوزانها المتعلمة وتعديلها بدقة لمهمة مستهدفة أصغر. يتيح هذا النهج، الذي شاعته ULMFiT (Howard & Ruder, 2018)، لنماذج LSTM تحقيق أداء قوي حتى عندما تكون البيانات المستهدفة الموصوفة نادرة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Howard, J. & Ruder, S. (2018). Universal Language Model Fine-Tuning for Text Classification. Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (ACL), 328–339. DOI: 10.18653/v1/P18-1031 ↗
- Transfer learning. Wikipedia. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/ar/deep-learning/transfer-learning-with-lstm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تصنيف قائم على BERTالتعلم العميق↔ compare
- شبكة الذاكرة طويلة قصيرة المدى المضبوطة بدقة (Fine-Tuned LSTM)التعلم العميق↔ compare
- وحدة البوابات المتكررة (GRU)التعلم العميق↔ compare
- الذاكرة طويلة قصيرة المدى (LSTM)التعلم العميق↔ compare
- التعلم بالنقل باستخدام الشبكات العصبية المتكررةالتعلم العميق↔ compare