Machine learningDeep learning / NLP / CV
Long Short-Term Memory (LSTM)
Long Short-Term Memory (LSTM) は、Hochreiter と Schmidhuber が 1997 年に導入したゲート付きリカレントニューラルネットワークアーキテクチャである。これは、専用のメモリセルと、各タイムステップで保持、更新、または前方伝播される情報を制御する 3 つの学習済みゲート（忘却ゲート、入力ゲート、出力ゲート）を使用することにより、長いシーケンスにわたる依存関係を学習するように設計された。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/ja/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.
- BERTベースの分類深層学習↔ compare
- Gated Recurrent Unit (GRU)深層学習↔ compare
- リカレントニューラルネットワーク (RNN)深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare
この手法を参照する項目
BERTベースの分類ドメイン適応型リカレントニューラルネットワーク説明可能なGRU説明可能なLSTM (Explainable LSTM)説明可能なリカレントニューラルネットワークファインチューニングされたGRUファインチューニングLSTMファインチューニングされたリカレントニューラルネットワークGated Recurrent Unit (GRU)多言語LSTM (Multilingual LSTM)多言語リカレントニューラルネットワークマルチモーダルGRUMultimodal Recurrent Neural Networkリカレントニューラルネットワーク (RNN)RoBERTaベースの分類自己教師ありGRU半教師ありGRU (Semi-supervised GRU)文埋め込み（Sentence Embeddings）LSTMを用いた転移学習リカレントニューラルネットワークを用いた転移学習Weakly Supervised GRU弱教師ありLSTM弱教師ありリカレントニューラルネットワーク