Transfer Learning với LSTM
Transfer Learning với LSTM là một kỹ thuật trong đó một mạng Long Short-Term Memory (LSTM) được huấn luyện trước (pre-trained) trên một tập dữ liệu nguồn lớn hoặc một tác vụ lớn, sau đó các trọng số đã học được chuyển giao và tinh chỉnh (fine-tuned) trên một tác vụ đích nhỏ hơn. Phương pháp này, được phổ biến bởi ULMFiT (Howard & Ruder, 2018), cho phép các mô hình dựa trên LSTM đạt được hiệu suất mạnh mẽ ngay cả khi dữ liệu đích có nhãn khan hiếm.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Transfer Learning with Long Short-Term Memory Networks. ScholarGate. https://scholargate.app/vi/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.
- Phân loại dựa trên BERTHọc sâu↔ compare
- LSTM Tinh chỉnhHọc sâu↔ compare
- Cổng Lặp Lại Có Cổng (GRU)Học sâu↔ compare
- Mạng bộ nhớ dài-ngắn hạn (LSTM)Học sâu↔ compare
- Học chuyển giao với Mạng nơ-ron hồi quyHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →