Long Short-Term Memory (LSTM) - Cronologia

Alesaccoia il 04:55, 9 set 2024

2024-09-09T04:55:52Z

← Versione meno recente		Versione delle 04:55, 9 set 2024
Riga 3:		Riga 3:
	\|Sigla=LSTM		\|Sigla=LSTM
	\|AnnoDiCreazione=1997		\|AnnoDiCreazione=1997
	\|Pubblicazione=~~A Focused Backpropagation Algorithm for Temporal Pattern Recognition~~		\|Pubblicazione=Long Short-Term Memory
	\|Topic=sequenze		\|Topic=sequenze
	}}		}}
Riga 10:		Riga 10:
	Questa architettura è stata creata per superare il problema dei [[Gradienti di ottimizzazione\|gradienti che svaniscono]] nelle [[Recurrent Neural Network (RNN)\|RNN]]. Nella pratica, LSTM vengono '''sempre''' utilizzate al posto delle '''RNN'''.		Questa architettura è stata creata per superare il problema dei [[Gradienti di ottimizzazione\|gradienti che svaniscono]] nelle [[Recurrent Neural Network (RNN)\|RNN]]. Nella pratica, LSTM vengono '''sempre''' utilizzate al posto delle '''RNN'''.

	~~=== Links ===~~

	~~Mozer, Mike (1989). "A Focused Backpropagation Algorithm for Temporal Pattern Recognition". Complex Systems.~~

2024-08-17T13:47:17Z

← Versione meno recente		Versione delle 13:47, 17 ago 2024
Riga 20:		Riga 20:
	\|title=Long Short-Term Memory		\|title=Long Short-Term Memory
	\|title_mode=append		\|title_mode=append
	\|keywords="reti neurali, RNN, sequenze temporali, memoria a lungo termine, apprendimento automatico, intelligenza artificiale, deep learning, elaborazione del linguaggio naturale, analisi delle serie temporali"		\|keywords=reti neurali, RNN, sequenze temporali, memoria a lungo termine, apprendimento automatico, intelligenza artificiale, deep learning, elaborazione del linguaggio naturale, analisi delle serie temporali
	\|description="Le LSTM (Long Short-Term Memory) sono un tipo speciale di rete neurale ricorrente progettate per catturare dipendenze a lungo termine nelle sequenze di dati. Sono particolarmente efficaci nella modellazione di sequenze come musica, linguaggio naturale e serie temporali finanziarie. Scopri come le LSTM superano i limiti delle RNN tradizionali."		\|description=Le LSTM (Long Short-Term Memory) sono un tipo speciale di rete neurale ricorrente progettate per catturare dipendenze a lungo termine nelle sequenze di dati. Sono particolarmente efficaci nella modellazione di sequenze come musica, linguaggio naturale e serie temporali finanziarie. Scopri come le LSTM superano i limiti delle RNN tradizionali.

	}}		}}

2024-08-17T13:34:04Z

← Versione meno recente		Versione delle 13:34, 17 ago 2024
Riga 16:		Riga 16:

	[[Category:architettura]]		[[Category:architettura]]

			{{#seo:
			\|title=Long Short-Term Memory
			\|title_mode=append
			\|keywords="reti neurali, RNN, sequenze temporali, memoria a lungo termine, apprendimento automatico, intelligenza artificiale, deep learning, elaborazione del linguaggio naturale, analisi delle serie temporali"
			\|description="Le LSTM (Long Short-Term Memory) sono un tipo speciale di rete neurale ricorrente progettate per catturare dipendenze a lungo termine nelle sequenze di dati. Sono particolarmente efficaci nella modellazione di sequenze come musica, linguaggio naturale e serie temporali finanziarie. Scopri come le LSTM superano i limiti delle RNN tradizionali."

			}}

2024-04-20T10:19:35Z

← Versione meno recente		Versione delle 10:19, 20 apr 2024
Riga 1:		Riga 1:
			{{template architettura
	~~Nome: [[Nome::Long Short-Term Memory]]~~		\|NomeInglese=Long Short-Term Memory
			\|Sigla=LSTM
	~~Nome Inglese: [[~~NomeInglese::Long Short-Term Memory]]		\|AnnoDiCreazione=1997
			\|Pubblicazione=A Focused Backpropagation Algorithm for Temporal Pattern Recognition
	~~Sigla: [[~~Sigla::LSTM]]		\|Topic=sequenze
			}}
	~~Anno di creazione: [[~~AnnoDiCreazione::1997]]

	~~Pubblicazione: [[~~Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]


	Le LSTM sono un tipo speciale di rete neurale ricorrente (RNN) progettate per catturare dipendenze a lungo termine nelle sequenze di dati. Sono particolarmente efficaci nella modellazione di sequenze temporali, come la musica, il linguaggio naturale, o serie temporali finanziarie, grazie alla loro capacità di mantenere lo stato (memoria) per lunghi periodi.		Le LSTM sono un tipo speciale di rete neurale ricorrente (RNN) progettate per catturare dipendenze a lungo termine nelle sequenze di dati. Sono particolarmente efficaci nella modellazione di sequenze temporali, come la musica, il linguaggio naturale, o serie temporali finanziarie, grazie alla loro capacità di mantenere lo stato (memoria) per lunghi periodi.

Riga 21:		Riga 16:

	[[Category:architettura]]		[[Category:architettura]]

	~~__SHOWFACTBOX__~~

2024-04-11T08:29:55Z

← Versione meno recente		Versione delle 08:29, 11 apr 2024
Riga 9:		Riga 9:

	Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]		Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]

	~~Data Esempio: [[DataEsempio::2000]]~~

2024-04-11T08:28:08Z

← Versione meno recente		Versione delle 08:28, 11 apr 2024
Riga 10:		Riga 10:
	Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]		Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]

	Data Esempio: [[DataEsempio:2000]]		Data Esempio: [[DataEsempio::2000]]

2024-04-11T08:27:57Z

← Versione meno recente		Versione delle 08:27, 11 apr 2024
Riga 9:		Riga 9:

	Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]		Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]

			Data Esempio: [[DataEsempio:2000]]

2024-04-10T10:01:12Z

← Versione meno recente		Versione delle 10:01, 10 apr 2024
Riga 10:		Riga 10:
	Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]		Pubblicazione: [[Pubblicazione::A Focused Backpropagation Algorithm for Temporal Pattern Recognition]]

	~~Topic: [[Topic::Catturare dipendenze a lungo termine]]~~

2024-04-09T11:45:46Z

← Versione meno recente		Versione delle 11:45, 9 apr 2024
Riga 1:		Riga 1:

	Nome: [[Nome::~~Memoria Lunga~~-~~Breve Termine~~]]		Nome: [[Nome::Long Short-Term Memory]]

	Nome Inglese: [[NomeInglese::Long Short-Term Memory]]		Nome Inglese: [[NomeInglese::Long Short-Term Memory]]

2024-04-09T09:04:21Z