LSTM
LSTM (Long Short-Term Memory) ialah seni bina rangkaian saraf berulang, yang diperkenalkan oleh Sepp Hochreiter dan Jürgen Schmidhuber pada tahun 1997, yang dapat mempelajari kebergantungan jangka panjang dalam data berjujukan dan digunakan secara meluas untuk ramalan siri masa dan jujukan. Ia menyimpan memori dalaman yang membolehkan maklumat kekal merentasi banyak 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.
+2 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/ms/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.
- AutoenkoderPembelajaran Mendalam↔ compare
- Rangkaian Neural Bergelung (Pengelasan)Pembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Transformer (NLP)Pembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →