Finjustert LSTM
Finjustert LSTM tilpasser et forhåndstrent Long Short-Term Memory-nettverk på et stort korpus til en spesifikk nedstrømsoppgave — som tekstklassifisering, sentimentanalyse eller sekvensmerking — ved å fortsette treningen på oppgavespesifikke merkede data. Denne tilnærmingen, popularisert av ULMFiT-rammeverket, oppnår sterk ytelse selv når merkede data er knappe.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/no/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-basert klassifiseringDyp læring↔ compare
- Finjustert GRUDyp læring↔ compare
- Fintunet rekurrent nevralt nettverkDyp læring↔ compare
- Finetunet transformatorDyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Overføringslæring med LSTMDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →