LSTM
LSTM (Long Short-Term Memory) ist eine rekurrente neuronale Netzwerkarchitektur, die 1997 von Sepp Hochreiter und Jürgen Schmidhuber eingeführt wurde. Sie kann langfristige Abhängigkeiten in sequenziellen Daten lernen und wird häufig für Zeitreihen- und Sequenzvorhersagen verwendet. Sie verfügt über einen internen Speicher, der es Informationen ermöglicht, über viele Zeitschritte hinweg zu bestehen.
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.
+2 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/de/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.
- AutoencoderDeep Learning↔ compare
- Faltungsneuronales Netz (Klassifikation)Deep Learning↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Transformer (NLP)Deep Learning↔ compare
- XGBoostMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →