Ülekandmisõpe rekurrentse närvivõrguga
Rekurrentse närvivõrguga ülekandmisõpe (TL-RNN) taaskasutab RNN-i poolt suurel lähtetehtel – nagu keelemudel või järjestikuste andmete ennustamine – õpitud kaalusid ja kohandab neid uue, sageli väiksema sihttöö jaoks. See strateegia võimaldab praktikutele tugevat järjestikuste andmete modelleerimistulemust ilma vajaduseta suurte märgistatud andmestike järele.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Transfer Learning with Recurrent Neural Network (TL-RNN). ScholarGate. https://scholargate.app/et/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.
- Peenhäälestatud rekurrentne närvivõrkSüvaõpe↔ compare
- Gated Recurrent Unit (GRU)Süvaõpe↔ compare
- Long Short-Term Memory (LSTM)Süvaõpe↔ compare
- Korduv närvivõrkSüvaõpe↔ compare
- Transfer Learning with LSTMSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →