Rekod bukti kaedah
Fine-Tuned GRU
Fine-Tuned GRU adapts a Gated Recurrent Unit network — pre-trained on a large source dataset — to a specific target task or domain by continuing training on domain-specific labeled data. This combines the sequential memory capacity of GRUs with the efficiency gains of transfer learning, achieving strong performance even when labeled target data is scarce.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
Fine-Tuned Gated Recurrent Unit Network
Rekod kaedah taksonomik · ml-model / deep-learning
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014, pp. 1724-1734. · URL
- 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
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Tiada tuntutan terkurasi lagi
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.