Apprendimento per trasferimento con LSTM
L'apprendimento per trasferimento con LSTM è una tecnica in cui una rete Long Short-Term Memory viene prima pre-addestrata su un ampio corpus o compito sorgente, e poi i suoi pesi appresi vengono trasferiti e affinati su un compito target più piccolo. Questo approccio, reso popolare da ULMFiT (Howard & Ruder, 2018), consente ai modelli basati su LSTM di raggiungere prestazioni elevate anche quando i dati target etichettati sono scarsi.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- LSTM Fine-TunedApprendimento profondo↔ compare
- Unità Ricorrente con Gate (GRU)Apprendimento profondo↔ compare
- Long Short-Term Memory (LSTM)Apprendimento profondo↔ compare
- Apprendimento per Trasferimento con Reti Neurali RicorrentiApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →