ScholarGate
Pembantu
Machine learningDeep learning / NLP / CV

Rangkaian Neural Berulang yang Ditalar Halus

Rangkaian Neural Berulang (RNN) yang Ditalar Halus bermula daripada model yang telah dilatih awal pada korpus besar atau data siri masa dan menyesuaikan beratnya kepada tugasan hiliran tertentu melalui kemas kini kecerunan terkawal. Pendekatan ini secara dramatik mengurangkan data berlabel yang diperlukan untuk prestasi pemodelan jujukan yang kukuh dalam klasifikasi teks, pengecaman entiti bernama, analisis sentimen, dan tugasan berkaitan.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiMuat turun slaid

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Peta kaedah

Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.

Sumber

  1. Howard, J. & Ruder, S. (2018). Universal Language Model Fine-Tuning for Text Classification. Proceedings of ACL 2018, 328–339. DOI: 10.18653/v1/P18-1031
  2. Recurrent neural network. Wikipedia. link

Cara memetik halaman ini

ScholarGate. (2026, June 3). Fine-Tuned Recurrent Neural Network (Transfer Learning for Sequence Models). ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-recurrent-neural-network

Kaedah yang mana?

Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.

Bandingkan secara bersebelahan

Dirujuk oleh

ScholarGateFine-Tuned Recurrent Neural Network (Fine-Tuned Recurrent Neural Network (Transfer Learning for Sequence Models)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/deep-learning/fine-tuned-recurrent-neural-network · Set data: https://doi.org/10.5281/zenodo.20539026