Long Short-Term Memory (LSTM)
Long Short-Term Memory (LSTM) adalah arsitektur jaringan saraf berulang (recurrent neural network) yang tergerbang (gated) yang diperkenalkan oleh Hochreiter dan Schmidhuber pada tahun 1997. Arsitektur ini dirancang untuk mempelajari dependensi di seluruh urutan (sequence) yang panjang dengan menggunakan sel memori khusus dan tiga gerbang yang dipelajari — lupa (forget), masukan (input), dan keluaran (output) — yang mengontrol informasi apa yang dipertahankan, diperbarui, atau diteruskan pada setiap langkah waktu.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Unit Berulang Bergerbang (GRU)Pembelajaran Mendalam↔ compare
- Jaringan Saraf Berulang (Recurrent Neural Network - RNN)Pembelajaran Mendalam↔ compare
- Sentence EmbeddingsPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →