Hienosäädetty LSTM
Hienosäädetty LSTM (Long Short-Term Memory) mukauttaa suuressa aineistossa esikoulutettua verkkoa tiettyyn jatkotehtävään – kuten tekstinluokitteluun, tunneanalyysiin tai sekvenssimerkintään – jatkamalla koulutusta tehtäväkohtaisella merkityllä datalla. ULMFiT-kehyksen popularisoima lähestymistapa saavuttaa vahvan suorituskyvyn, vaikka merkittyä dataa olisi vähän.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/fi/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.
- BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Hienosäädetty GRUSyväoppiminen↔ compare
- Hienosäädetty rekurrentti neuroverkkoSyväoppiminen↔ compare
- Hienosäädetty TransformerSyväoppiminen↔ compare
- Pitkä lyhytkestoinen muisti (LSTM)Syväoppiminen↔ compare
- Siirto-oppiminen LSTM:lläSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →