Transfer Learning dengan LSTM
Transfer Learning dengan LSTM adalah sebuah teknik di mana jaringan Long Short-Term Memory (LSTM) pertama-tama dilatih sebelumnya (pre-trained) pada korpus sumber atau tugas yang besar, kemudian bobot (weights) yang telah dipelajari ditransfer dan disesuaikan (fine-tuned) pada tugas target yang lebih kecil. Pendekatan ini, yang dipopulerkan oleh ULMFiT (Howard & Ruder, 2018), memungkinkan model berbasis LSTM untuk mencapai kinerja yang kuat bahkan ketika data target berlabel langka.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- LSTM yang Di-fine-tunePembelajaran Mendalam↔ compare
- Unit Berulang Bergerbang (GRU)Pembelajaran Mendalam↔ compare
- Long Short-Term Memory (LSTM)Pembelajaran Mendalam↔ compare
- Transfer Learning dengan Recurrent Neural NetworkPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →