Трансферно учење са LSTM мрежама
Трансферно учење са LSTM мрежама је техника у којој се Long Short-Term Memory (LSTM) мрежа прво претходно обучи на великом изворном корпусу или задатку, а затим се научене тежине (weights) преносе и фино подешавају на мањем циљном задатку. Овај приступ, који је популаризовао ULMFiT (Howard & Ruder, 2018), омогућава LSTM моделима да постигну снажне перформансе чак и када је означених циљних података мало.
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 ↗
- Transfer learning. Wikipedia. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/sr/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.
- BERT-based ClassificationDuboko učenje↔ compare
- UFine-Tuned LSTMDuboko učenje↔ compare
- Gated Recurrent Unit (GRU)Duboko učenje↔ compare
- Long Short-Term Memory (LSTM)Duboko učenje↔ compare
- Prenosno učenje sa rekurentnom neuronskom mrežomDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →