Fijngestemde LSTM
Fijngestemde LSTM past een Long Short-Term Memory-netwerk, dat is voorgetraind op een grote corpus, aan voor een specifieke downstreamtaak — zoals tekstclassificatie, sentimentanalyse of sequentielabeling — door de training voort te zetten op taakspecifieke gelabelde gegevens. Dit door het ULMFiT-framework gepopulariseerde benadering bereikt sterke prestaties, zelfs wanneer gelabelde gegevens schaars zijn.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
- Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/nl/deep-learning/fine-tuned-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-gebaseerde ClassificatieDeep learning↔ compare
- Fijn-afgestelde GRUDeep learning↔ compare
- Fijn-afgestemd Recurrent Neural NetworkDeep learning↔ compare
- Gefinetunede TransformerDeep learning↔ compare
- Long Short-Term Memory (LSTM)Deep learning↔ compare
- Transfer Learning met LSTMDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →