UFine-Tuned LSTM
Fine-Tuned LSTM (UFine-Tuned LSTM) prilagođava prethodno obučeni Long Short-Term Memory (LSTM) mrežni model na velikom korpusu za specifičan ciljni zadatak — kao što je klasifikacija teksta, analiza sentimenta ili označavanje sekvenci — nastavljajući obuku na označenim podacima specifičnim za zadatak. Popularizovan od strane ULMFiT okvira, ovaj pristup postiže snažne performanse čak i kada su označeni podaci oskudni.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Fine-Tuned Long Short-Term Memory Network. ScholarGate. https://scholargate.app/sr/deep-learning/fine-tuned-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-based ClassificationDuboko učenje↔ compare
- Podešeni GRUDuboko učenje↔ compare
- Fino podešena rekurentna neuronska mrežaDuboko učenje↔ compare
- Fino podešeni TransformerDuboko učenje↔ compare
- Long Short-Term Memory (LSTM)Duboko učenje↔ compare
- Трансферно учење са LSTM мрежамаDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →