Long Short-Term Memory (LSTM)
Long Short-Term Memory (LSTM) ist eine Architektur für rekurrente neuronale Netze mit Gating-Mechanismus, die 1997 von Hochreiter und Schmidhuber eingeführt wurde. Sie wurde entwickelt, um Abhängigkeiten über lange Sequenzen hinweg zu lernen, indem sie dedizierte Speicherzellen und drei gelernte Gates – Vergessens-, Eingabe- und Ausgabegate – verwendet, die steuern, welche Informationen zu jedem Zeitschritt beibehalten, aktualisiert oder weitergegeben werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Quellen
- Hochreiter, S. & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
- Graves, A., Mohamed, A.-R. & Hinton, G. (2013). Speech recognition with deep recurrent neural networks. Proceedings of ICASSP 2013, pp. 6645–6649. IEEE. DOI: 10.1109/ICASSP.2013.6638947 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/de/deep-learning/long-short-term-memory
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-basierte KlassifikationDeep Learning↔ compare
- Gated Recurrent Unit (GRU)Deep Learning↔ compare
- Rekurrentes neuronales NetzDeep Learning↔ compare
- Sentence EmbeddingsDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →