Запис на доказателства за метод

Transfer Learning with LSTM

Transfer Learning with LSTM is a technique in which a Long Short-Term Memory network is first pre-trained on a large source corpus or task, and then its learned weights are transferred and fine-tuned on a smaller target task. This approach, popularized by ULMFiT (Howard & Ruder, 2018), allows LSTM-based models to reach strong performance even when labeled target data is scarce.

Sources recorded, not reviewed

Изходен запис

Цитиранията са копирани дословно от изходния запис на метода. Те не предполагат проверка на ниво твърдение.

Transfer Learning with Long Short-Term Memory Networks

Таксономичен запис на метод · ml-model / deep-learning

Отвори пълен метод

Подбрани твърдения

Твърденията са запазени в регистъра на доказателствата, всяко със собствена оценка.

Все още няма подбрани твърдения

Този изглед не измисля оценка на твърдение, когато регистърът няма такава.

Свързани методи

Генерирани от графа на методите и показани като предложени от машината връзки — не се предполага твърдение за доказателство.

Taxonomic bucketBERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFine-Tuned LSTMmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGated Recurrent Unitmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketLong Short-Term Memorymachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTransfer Learning with Recurrent Neural Networkmachine-suggested · Relational suggestion, not evidence.