Apprentissage par transfert avec LSTM
L'apprentissage par transfert avec LSTM est une technique dans laquelle un réseau Long Short-Term Memory est d'abord pré-entraîné sur un grand corpus source ou une tâche source, puis ses poids appris sont transférés et affinés sur une tâche cible plus petite. Cette approche, popularisée par ULMFiT (Howard & Ruder, 2018), permet aux modèles basés sur LSTM d'atteindre de fortes performances même lorsque les données cibles étiquetées sont rares.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/fr/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.
- Classification basée sur BERTApprentissage profond↔ compare
- LSTM affinéApprentissage profond↔ compare
- Unité récurrente "gated" (GRU)Apprentissage profond↔ compare
- Long Short-Term Memory (LSTM)Apprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal récurrentApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →