למידת העברה עם LSTM
למידת העברה עם LSTM היא טכניקה שבה רשת זיכרון לטווח קצר (Long Short-Term Memory) מאומנת מראש תחילה על קורפוס מקור גדול או משימה גדולה, ולאחר מכן משקולותיה הנלמדות מועברות ומכווננות עדינות על משימת יעד קטנה יותר. גישה זו, שהפכה פופולרית על ידי ULMFiT (Howard & Ruder, 2018), מאפשרת למודלים מבוססי LSTM להגיע לביצועים חזקים גם כאשר נתונים מתויגים של יעד הם דלים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/he/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.
- סיווג מבוסס BERTלמידה עמוקה↔ compare
- LSTM מכוונן עדיןלמידה עמוקה↔ compare
- Gated Recurrent Unit (GRU)למידה עמוקה↔ compare
- Long Short-Term Memory (LSTM)למידה עמוקה↔ compare
- למידת העברה עם רשת עצבית רקורנטיתלמידה עמוקה↔ compare