Long Short-Term Memory (LSTM): differenze tra le versioni

Versione delle 10:19, 20 apr 2024

Long Short-Term Memory (LSTM)
Nome Inglese	Long Short-Term Memory
Sigla	LSTM
Anno Di Creazione	1997
Pubblicazione	A Focused Backpropagation Algorithm for Temporal Pattern Recognition
URL
Topic	sequenze

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.

Questa architettura è stata creata per superare il problema dei gradienti che svaniscono nelle 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.

@@ 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.
@@ Riga 21: / Riga 16: @@
 [[Category:architettura]]
-__SHOWFACTBOX__