Prenosové učenie s LSTM
Prenosové učenie s LSTM je technika, pri ktorej sa sieť typu Long Short-Term Memory (LSTM) najprv predtrénuje na rozsiahlej zdrojovej databáze alebo úlohe a potom sa jej naučené váhy prenesú a doladia na menšej cieľovej úlohe. Tento prístup, spopularizovaný modelom ULMFiT (Howard & Ruder, 2018), umožňuje modelom založeným na LSTM dosiahnuť silný výkon aj pri obmedzenom množstve označených cieľových dát.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Transfer learning. Wikipedia. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/sk/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.
- Klasifikácia založená na BERTHlboké učenie↔ compare
- Jemne vyladené LSTMHlboké učenie↔ compare
- Gated Recurrent Unit (GRU)Hlboké učenie↔ compare
- Long Short-Term Memory (LSTM)Hlboké učenie↔ compare
- Prenosové učenie s rekurentnou neurónovou sieťouHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →