Long Short-Term Memory (LSTM)
Le Long Short-Term Memory (LSTM) est une architecture de réseau de neurones récurrents à portes introduite par Hochreiter et Schmidhuber en 1997. Il a été conçu pour apprendre des dépendances sur de longues séquences en utilisant des cellules mémoire dédiées et trois portes apprises — oubli, entrée et sortie — qui contrôlent quelles informations sont conservées, mises à jour ou transmises à chaque pas de temps.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/fr/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.
- Classification basée sur BERTApprentissage profond↔ compare
- Unité récurrente "gated" (GRU)Apprentissage profond↔ compare
- Réseau de neurones récurrentApprentissage profond↔ compare
- Plongements de phrasesApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →