Machine learningDeep learning / NLP / CV
LSTM을 이용한 전이 학습
LSTM을 이용한 전이 학습은 긴 단기 기억(Long Short-Term Memory) 네트워크를 먼저 대규모 소스 코퍼스나 태스크에 대해 사전 훈련시킨 후, 학습된 가중치를 작은 타겟 태스크에 전이하고 미세 조정하는 기법입니다. ULMFiT(Howard & Ruder, 2018)로 대중화된 이 접근 방식은 레이블이 지정된 타겟 데이터가 부족할 때도 LSTM 기반 모델이 강력한 성능을 달성할 수 있도록 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/ko/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 기반 분류딥러닝↔ compare
- 파인튜닝된 LSTM딥러닝↔ compare
- Gated Recurrent Unit (GRU)딥러닝↔ compare
- Long Short-Term Memory (LSTM)딥러닝↔ compare
- 순환 신경망(Recurrent Neural Network)을 이용한 전이 학습딥러닝↔ compare