Machine learningDeep learning / NLP / CV
LSTMを用いた転移学習
LSTMを用いた転移学習は、まず大規模なソースコーパスまたはタスクで事前学習された後、学習済み重みが小規模なターゲットタスクに転移されファインチューニングされる、Long Short-Term Memoryネットワークを用いる技術である。このアプローチはULMFiT (Howard & Ruder, 2018) によって普及し、ラベル付きターゲットデータが乏しい場合でもLSTMベースのモデルが強力な性能を達成することを可能にする。
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 ↗
- Transfer learning. Wikipedia. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/ja/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.
- BERTベースの分類深層学習↔ compare
- ファインチューニングLSTM深層学習↔ compare
- Gated Recurrent Unit (GRU)深層学習↔ compare
- Long Short-Term Memory (LSTM)深層学習↔ compare
- リカレントニューラルネットワークを用いた転移学習深層学習↔ compare