Aprendizaje por transferencia con LSTM
El aprendizaje por transferencia con LSTM es una técnica en la que una red de memoria a corto y largo plazo (LSTM) se preentrena primero en un corpus o tarea fuente grande, y luego sus pesos aprendidos se transfieren y se ajustan finamente en una tarea objetivo más pequeña. Este enfoque, popularizado por ULMFiT (Howard & Ruder, 2018), permite que los modelos basados en LSTM alcancen un rendimiento sólido incluso cuando los datos objetivo etiquetados son escasos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/es/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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- LSTM Ajustado FinamenteAprendizaje profundo↔ compare
- Unidad Recurrente con Compuertas (GRU)Aprendizaje profundo↔ compare
- Memoria a Largo Plazo (LSTM)Aprendizaje profundo↔ compare
- Aprendizaje por transferencia con Red Neuronal RecurrenteAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →