Transfer Learning com LSTM
Transfer Learning com LSTM é uma técnica na qual uma rede Long Short-Term Memory é primeiramente pré-treinada em um grande corpus fonte ou tarefa, e então seus pesos aprendidos são transferidos e ajustados finamente em uma tarefa alvo menor. Essa abordagem, popularizada por ULMFiT (Howard & Ruder, 2018), permite que modelos baseados em LSTM alcancem forte desempenho mesmo quando dados alvo rotulados são escassos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- LSTM Ajustado FinamenteAprendizado profundo↔ compare
- Unidade Recorrente Gated (GRU)Aprendizado profundo↔ compare
- Long Short-Term Memory (LSTM)Aprendizado profundo↔ compare
- Transfer Learning com Rede Neural RecorrenteAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →