Pembelajaran Pemindahan dengan Rangkaian Saraf Berulang
Pembelajaran Pemindahan dengan Rangkaian Saraf Berulang (TL-RNN) menggunakan semula pemberat yang dipelajari oleh RNN pada tugas sumber yang besar — seperti pemodelan bahasa atau ramalan jujukan — dan menyesuaikannya kepada tugas sasaran baharu, yang selalunya lebih kecil. Strategi ini membolehkan pengamal memperoleh prestasi pemodelan jujukan yang kukuh tanpa keperluan untuk set data berlabel yang besar.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- Transfer learning. Wikipedia. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Recurrent Neural Network (TL-RNN). ScholarGate. https://scholargate.app/ms/deep-learning/transfer-learning-with-recurrent-neural-network
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.
- Rangkaian Neural Berulang yang Ditalar HalusPembelajaran Mendalam↔ compare
- Gated Recurrent Unit (GRU)Pembelajaran Mendalam↔ compare
- Long Short-Term Memory (LSTM)Pembelajaran Mendalam↔ compare
- Jaringan Saraf BerulangPembelajaran Mendalam↔ compare
- Transfer Learning dengan LSTMPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →