حافظه طولانی کوتاهمدت (LSTM)
حافظه طولانی کوتاهمدت (LSTM) یک معماری شبکه عصبی بازگشتی گیتدار است که توسط هوخرایتر و اشمیدهوبر در سال ۱۹۹۷ معرفی شد. این معماری برای یادگیری وابستگیها در طول دنبالههای طولانی با استفاده از سلولهای حافظه اختصاصی و سه گیت یادگرفتهشده — فراموشی، ورودی، و خروجی — طراحی شده است که اطلاعات نگهداریشده، بهروزرسانیشده، یا منتقلشده در هر گام زمانی را کنترل میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- واحد تکرارشونده گیتدار (GRU)یادگیری عمیق↔ compare
- شبکه عصبی بازگشتییادگیری عمیق↔ compare
- تعبیههای جملهیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →