LSTM
LSTM (Long Short-Term Memory) è un'architettura di rete neurale ricorrente, introdotta da Sepp Hochreiter e Jürgen Schmidhuber nel 1997, in grado di apprendere dipendenze a lungo termine nei dati sequenziali ed è ampiamente utilizzata per la previsione di serie temporali e sequenze. Mantiene una memoria interna che consente alle informazioni di persistere attraverso molti passi temporali.
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.
+2 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/it/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.
- AutoencoderApprendimento profondo↔ compare
- Rete Neurale Convoluzionale (Classificazione)Apprendimento profondo↔ compare
- Random ForestApprendimento automatico↔ compare
- Transformer (NLP)Apprendimento profondo↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →