Overføringslæring med LSTM
Overføringslæring med LSTM er en teknikk der et Long Short-Term Memory-nettverk først forhåndstreneres på et stort kildekorpus eller en stor kildeoppgave, og deretter overføres dets lærte vekter og finjusteres på en mindre måltilsvarende oppgave. Denne tilnærmingen, popularisert av ULMFiT (Howard & Ruder, 2018), gjør at LSTM-baserte modeller kan oppnå sterk ytelse selv når merkede måldata 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 ↗
- Transfer learning. Wikipedia. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/no/deep-learning/transfer-learning-with-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 LSTMDyp læring↔ compare
- Gated Recurrent Unit (GRU)Dyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Overføringslæring med tilbakevendende nevralt nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →