LSTM
LSTM (Long Short-Term Memory) is een architectuur voor terugkerende neurale netwerken, geïntroduceerd door Sepp Hochreiter en Jürgen Schmidhuber in 1997, die lange-termijn afhankelijkheden in sequentiële data kan leren en veel wordt gebruikt voor tijdreeks- en sequentievoorspelling. Het onderhoudt een interne geheugen dat informatie over vele tijdstappen kan behouden.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Bronnen
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/nl/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.
- Auto-encoderDeep learning↔ compare
- Convolutional Neural Network (Classificatie)Deep learning↔ compare
- Random ForestMachine learning↔ compare
- Transformer (NLP)Deep learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →