Machine learningDeep learning / NLP / CV
ファインチューニングLSTM
ファインチューニングLSTMは、大規模コーパスで事前学習された長短期記憶（LSTM）ネットワークを、タスク固有のラベル付きデータで学習を継続することにより、テキスト分類、感情分析、シーケンスラベリングなどの特定のダウンストリームタスクに適応させます。ULMFiTフレームワークによって普及したこのアプローチは、ラベル付きデータが少ない場合でも高いパフォーマンスを達成します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-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.
- BERTベースの分類深層学習↔ compare
- ファインチューニングされたGRU深層学習↔ compare
- ファインチューニングされたリカレントニューラルネットワーク深層学習↔ compare
- Fine-Tuned Transformer深層学習↔ compare
- Long Short-Term Memory (LSTM)深層学習↔ compare
- LSTMを用いた転移学習深層学習↔ compare