LSTM
LSTM (Long Short-Term Memory) on toistuva neuroverkkoarkkitehtuuri, jonka Sepp Hochreiter ja Jürgen Schmidhuber esittelivät vuonna 1997. Se kykenee oppimaan pitkän aikavälin riippuvuuksia sekventiaalisesta datasta ja sitä käytetään laajalti aikasarja- ja sekvenssiennustuksessa. Se ylläpitää sisäistä muistia, joka antaa tiedon säilyä useiden aikavaiheiden yli.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Lähteet
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/fi/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.
- AutoenkooderiSyväoppiminen↔ compare
- Konvoluutionaalinen neuroverkko (luokittelu)Syväoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Transformer (NLP)Syväoppiminen↔ compare
- XGBoostKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →