LSTM
LSTM (Long Short-Term Memory) to architektura rekurencyjnej sieci neuronowej, wprowadzona przez Seppa Hochreitera i Jürgena Schmidhubera w 1997 roku, która potrafi uczyć się długoterminowych zależności w danych sekwencyjnych i jest szeroko stosowana do prognozowania szeregów czasowych i sekwencji. Posiada wewnętrzną pamięć, która pozwala informacjom utrzymywać się przez wiele kroków czasowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Źródła
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/pl/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.
- AutoenkoderUczenie głębokie↔ compare
- Konwolucyjna Sieć Neuronowa (Klasyfikacja)Uczenie głębokie↔ compare
- Random ForestUczenie maszynowe↔ compare
- Transformer (NLP)Uczenie głębokie↔ compare
- XGBoostUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →