LSTM
LSTM (Long Short-Term Memory) er en arkitektur for rekursive nevrale nettverk, introdusert av Sepp Hochreiter og Jürgen Schmidhuber i 1997, som kan lære langvarige avhengigheter i sekvensielle data og er mye brukt for tidsserier og sekvensprediksjon. Den opprettholder et internt minne som lar informasjon vedvare over mange tidstrinn.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/no/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.
- AutoenkoderDyp læring↔ compare
- Konvolusjonelt nevralt nettverk (klassifisering)Dyp læring↔ compare
- Random ForestMaskinlæring↔ compare
- Transformer (NLP)Dyp læring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →