Machine learningDeep learning / NLP / CV
长短期记忆网络（LSTM）
长短期记忆网络（LSTM）是一种由Hochreiter和Schmidhuber于1997年提出的门控循环神经网络架构。它通过使用专用的记忆单元和三个学习到的门——遗忘门、输入门和输出门——来控制每个时间步保留、更新或向前传递的信息，从而学习长序列中的依赖关系。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
另有 13 项
来源
- Hochreiter, S. & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
- Graves, A., Mohamed, A.-R. & Hinton, G. (2013). Speech recognition with deep recurrent neural networks. Proceedings of ICASSP 2013, pp. 6645–6649. IEEE. DOI: 10.1109/ICASSP.2013.6638947 ↗
如何引用本页
ScholarGate. (2026, June 3). Long Short-Term Memory Network (LSTM). ScholarGate. https://scholargate.app/zh/deep-learning/long-short-term-memory
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →被引用于
[需翻译标题：BERT-based Classification...]域自适应循环神经网络可解释门控循环单元 (Explainable GRU)可解释长短期记忆网络可解释循环神经网络微调门控循环单元 (Fine-Tuned GRU)微调长短期记忆网络 (Fine-Tuned LSTM)微调循环神经网络门控循环单元 (GRU)多语言长短期记忆网络多语言循环神经网络多模态门控循环单元 (Multimodal GRU)多模态循环神经网络循环神经网络基于RoBERTa的分类自监督 GRU半监督门控循环单元 (Semi-supervised GRU)句子嵌入LSTM 迁移学习循环神经网络迁移学习弱监督门控循环单元 (Weakly Supervised GRU)弱监督 LSTM弱监督循环神经网络