Long Short-Term Memory (LSTM)
Long Short-Term Memory (LSTM) è un'architettura di rete neurale ricorrente con gate, introdotta da Hochreiter e Schmidhuber nel 1997. È stata progettata per apprendere dipendenze attraverso sequenze lunghe utilizzando celle di memoria dedicate e tre gate appresi — forget, input e output — che controllano quali informazioni vengono conservate, aggiornate o passate avanti a ogni passo temporale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Unità Ricorrente con Gate (GRU)Apprendimento profondo↔ compare
- Reti neurali ricorrentiApprendimento profondo↔ compare
- Sentence EmbeddingsApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →