Трансферне навчання з LSTM
Трансферне навчання з LSTM — це техніка, за якої мережа довгої короткочасної пам'яті (LSTM) спочатку попередньо навчається на великому вихідному корпусі або завданні, а потім її вивчені ваги переносяться та доналаштовуються на меншому цільовому завданні. Цей підхід, популяризований ULMFiT (Howard & Ruder, 2018), дозволяє моделям на основі LSTM досягати високої продуктивності навіть за обмеженої кількості мічених цільових даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/uk/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.
- Класифікація на основі BERTГлибоке навчання↔ compare
- Fine-Tuned LSTMГлибоке навчання↔ compare
- Блокований рекурентний блок (GRU)Глибоке навчання↔ compare
- Довга короткострокова пам'ять (LSTM)Глибоке навчання↔ compare
- Навчання з переносом за допомогою рекурентної нейронної мережіГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →