LSTM
LSTM (Long Short-Term Memory) es una arquitectura de red neuronal recurrente, introducida por Sepp Hochreiter y Jürgen Schmidhuber en 1997, que puede aprender dependencias a largo plazo en datos secuenciales y se utiliza ampliamente para la predicción de series temporales y secuencias. Mantiene una memoria interna que permite que la información persista a lo largo de muchos pasos temporales.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fuentes
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/es/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.
- AutoencoderAprendizaje profundo↔ compare
- Red Neuronal Convolucional (Clasificación)Aprendizaje profundo↔ compare
- Random ForestAprendizaje automático↔ compare
- Transformer (PLN)Aprendizaje profundo↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →