Jemne vyladené LSTM
Jemne vyladené LSTM adaptuje sieť Long Short-Term Memory (LSTM), predtrénovanú na rozsiahlych korpusoch, na špecifickú následnú úlohu – ako je klasifikácia textu, analýza sentimentu alebo označovanie sekvencií – pokračovaním tréningu na označených dátach špecifických pre danú úlohu. Tento prístup, spopularizovaný rámcom ULMFiT, dosahuje silný výkon aj pri nedostatku označených dát.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/sk/deep-learning/fine-tuned-lstm
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Klasifikácia založená na BERTHlboké učenie↔ porovnať
- Jemne vyladená GRUHlboké učenie↔ porovnať
- Dolaďovaná rekurentná neurónová sieťHlboké učenie↔ porovnať
- Jemne vyladený TransformerHlboké učenie↔ porovnať
- Long Short-Term Memory (LSTM)Hlboké učenie↔ porovnať
- Prenosové učenie s LSTMHlboké učenie↔ porovnať
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →