LSTM
LSTM (Long Short-Term Memory) är en arkitektur för återkommande neurala nätverk, introducerad av Sepp Hochreiter och Jürgen Schmidhuber 1997, som kan lära sig långsiktiga beroenden i sekventiella data och som ofta används för tidsserier och sekvensprediktion. Nätverket har ett internt minne som låter information kvarstå över många tidsteg.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Källor
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Long Short-Term Memory Network. ScholarGate. https://scholargate.app/sv/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.
- AutoencoderDjupinlärning↔ compare
- Konvolutionellt neuralt nätverk (klassificering)Djupinlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Transformer (NLP)Djupinlärning↔ compare
- XGBoostMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →