Machine learningDeep learning / NLP / CV
Long Short-Term Memory (LSTM)
Long Short-Term Memory (LSTM)는 Hochreiter와 Schmidhuber가 1997년에 소개한 게이트 순환 신경망 아키텍처입니다. 이 아키텍처는 전용 메모리 셀과 각 타임스텝에서 어떤 정보를 유지, 업데이트 또는 전달할지 제어하는 세 개의 학습 가능한 게이트(forget, input, output)를 사용하여 긴 시퀀스에 걸친 의존성을 학습하도록 설계되었습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+13 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →이 방법을 참조하는 항목
BERT 기반 분류도메인 적응 순환 신경망설명 가능한 GRU설명 가능한 LSTM (Explainable LSTM)설명 가능한 순환 신경망미세 조정된 GRU파인튜닝된 LSTM미세 조정된 순환 신경망Gated Recurrent Unit (GRU)다국어 LSTM다국어 순환 신경망 (Multilingual Recurrent Neural Network)다중 모드 GRUMultimodal Recurrent Neural Network순환 신경망RoBERTa 기반 분류자기 지도 GRU준지도 GRU문장 임베딩LSTM을 이용한 전이 학습순환 신경망(Recurrent Neural Network)을 이용한 전이 학습약지도 GRU약지도 학습 LSTM약한 지도 순환 신경망