LSTM
LSTM (Long Short-Term Memory) é uma arquitetura de rede neural recorrente, introduzida por Sepp Hochreiter e Jürgen Schmidhuber em 1997, que pode aprender dependências de longo prazo em dados sequenciais e é amplamente utilizada para previsão de séries temporais e sequências. Ela mantém uma memória interna que permite que a informação persista por muitos passos de tempo.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fontes
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Como citar esta página
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/pt/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.
- AutoencoderAprendizado profundo↔ compare
- Rede Neural Convolucional (Classificação)Aprendizado profundo↔ compare
- Random ForestAprendizado de máquina↔ compare
- Transformer (PNL)Aprendizado profundo↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →