Overførselslæring med Recurrent Neural Network
Overførselslæring med Recurrent Neural Network (TL-RNN) genbruger vægte, der er lært af et RNN på en stor kildeopgave — såsom sprogmodellering eller sekvensforudsigelse — og tilpasser dem til en ny, ofte mindre målopgave. Denne strategi lader praktikere opnå stærk sekvensmodelleringsydelse uden behov for massive mærkede datasæt.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- Transfer learning. Wikipedia. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Transfer Learning with Recurrent Neural Network (TL-RNN). ScholarGate. https://scholargate.app/da/deep-learning/transfer-learning-with-recurrent-neural-network
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.
- Finetunet Recurrent Neural NetworkDyb læring↔ compare
- Gated Recurrent Unit (GRU)Dyb læring↔ compare
- Long Short-Term Memory (LSTM)Dyb læring↔ compare
- Recurrent Neural NetworkDyb læring↔ compare
- Transferindlæring med LSTMDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →