Metodin todisteiden tietue
Transfer Learning with LSTM
Transfer Learning with LSTM is a technique in which a Long Short-Term Memory network is first pre-trained on a large source corpus or task, and then its learned weights are transferred and fine-tuned on a smaller target task. This approach, popularized by ULMFiT (Howard & Ruder, 2018), allows LSTM-based models to reach strong performance even when labeled target data is scarce.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Transfer Learning with Long Short-Term Memory Networks
Taksonominen metoditietue · ml-model / deep-learning
- 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. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.