Transfer Learning z LSTM
Transfer Learning z LSTM to technika, w której sieć typu Long Short-Term Memory (LSTM) jest najpierw wstępnie trenowana na dużym korpusie źródłowym lub zadaniu, a następnie jej nauczone wagi są przenoszone i dostrajane do mniejszego zadania docelowego. To podejście, spopularyzowane przez ULMFiT (Howard & Ruder, 2018), pozwala modelom opartym na LSTM osiągnąć silną wydajność nawet przy niewielkiej ilości oznakowanych danych docelowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Dostrojona sieć LSTMUczenie głębokie↔ compare
- Gated Recurrent Unit (GRU)Uczenie głębokie↔ compare
- Długa pamięć krótkotrwała (LSTM)Uczenie głębokie↔ compare
- Uczenie transferowe z rekurencyjną siecią neuronowąUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →