Long Short-Term Memory (LSTM)
Long Short-Term Memory (LSTM) ialah satu seni bina rangkaian neural berulang yang digerbang (gated recurrent neural network) yang diperkenalkan oleh Hochreiter dan Schmidhuber pada tahun 1997. Ia direka untuk mempelajari kebergantungan merentasi urutan yang panjang dengan menggunakan sel memori khusus dan tiga gerbang yang dipelajari — lupa (forget), input, dan output — yang mengawal maklumat mana yang dikekalkan, dikemas kini, atau dihantar ke hadapan pada setiap langkah masa.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/ms/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 Berasaskan BERTPembelajaran Mendalam↔ compare
- Gated Recurrent Unit (GRU)Pembelajaran Mendalam↔ compare
- Jaringan Saraf BerulangPembelajaran Mendalam↔ compare
- Penyematan AyatPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →