LSTM
LSTM (Long Short-Term Memory) és una arquitectura de xarxa neuronal recurrent, introduïda per Sepp Hochreiter i Jürgen Schmidhuber el 1997, que pot aprendre dependències a llarg termini en dades seqüencials i s'utilitza àmpliament per a la predicció de sèries temporals i seqüències. Manté una memòria interna que permet que la informació persisteixi a través de molts passos temporals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonts
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ca/deep-learning/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.
- AutoencoderAprenentatge profund↔ compare
- Xarxa Neuronal Convolucional (Classificació)Aprenentatge profund↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Transformer (NLP)Aprenentatge profund↔ compare
- XGBoostAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →