Finomhangolt LSTM
A finomhangolt LSTM egy nagy szövegkorpuszon előképzett Long Short-Term Memory hálózatot adaptál egy specifikus, lefelé irányuló feladathoz – mint például szövegosztályozás, hangulatelemzés vagy szekvencialista címkézés – a feladatspecifikus címkézett adatokon történő további képzéssel. Az ULMFiT keretrendszer által népszerűsített megközelítés még akkor is erős teljesítményt ér el, ha a címkézett adatok szűkösek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/hu/deep-learning/fine-tuned-lstm
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- BERT-alapú osztályozásMélytanulás↔ összehasonlítás
- Finomhangolt GRUMélytanulás↔ összehasonlítás
- Finomhangolt rekurrens neurális hálózatMélytanulás↔ összehasonlítás
- Finomhangolt TransformerMélytanulás↔ összehasonlítás
- Long Short-Term Memory (LSTM)Mélytanulás↔ összehasonlítás
- Transzfer Tanulás LSTM-melMélytanulás↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →