LSTM
LSTM (Long Short-Term Memory) er en arkitektur for rekursive neurale netværk, introduceret af Sepp Hochreiter og Jürgen Schmidhuber i 1997, som kan lære langsigtede afhængigheder i sekventielle data og er udbredt til tidsrække- og sekvensforudsigelse. Det opretholder en intern hukommelse, der lader information vare ved over mange tidsskridt.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/da/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.
- AutoencoderDyb læring↔ compare
- Konvolutionelt Neuralt Netværk (Klassifikation)Dyb læring↔ compare
- Random ForestMaskinlæring↔ compare
- Transformer (NLP)Dyb læring↔ compare
- XGBoostMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →