LSTM afinada
La LSTM afinada (Fine-Tuned LSTM) adapta una xarxa LSTM (Long Short-Term Memory) pre-entrenada en un corpus gran a una tasca específica posterior — com ara classificació de text, anàlisi de sentiments o etiquetatge de seqüències — continuant l'entrenament en dades etiquetades específiques de la tasca. Popularitzada pel marc ULMFiT, aquesta aproximació aconsegueix un rendiment sòlid fins i tot quan les dades etiquetades són escasses.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
- Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ca/deep-learning/fine-tuned-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.
- Classificació basada en BERTAprenentatge profund↔ compare
- GRU ajustada (Fine-Tuned GRU)Aprenentatge profund↔ compare
- Xarxa Neuronal Recurrent FinetunedAprenentatge profund↔ compare
- Transformer afinatAprenentatge profund↔ compare
- Long Short-Term Memory (LSTM)Aprenentatge profund↔ compare
- Aprenentatge per transferència amb LSTMAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →