详细内容或原文请订阅后点击阅览
长短期记忆 (LSTM) 简介
为什么重要：在人工智能 (AI) 和深度学习领域，LSTM 是使用人工神经网络的长短期记忆网络。
来源:人工智能+长短期记忆 (LSTM) 简介
长短期记忆 (LSTM) 简介数据科学挑战中的序列预测通常涉及使用长短期记忆 (LSTM) 网络。这些类型的循环神经网络可以学习顺序依赖性。在 RNN 的当前步骤中，前一步的输出用作当前步骤的输入。Hochreiter 和 Schmidhuber 负责创建长短期记忆。它解决了 RNN 的“长期依赖”问题，其中 RNN 无法预测存储在长期记忆中的单词，但它们可以根据当前数据中的信息做出更准确的预测。增加间隙长度不会对 RNN 的性能产生积极影响。众所周知，LSTM 默认会长时间保存信息。该技术用于处理时间序列数据、预测以及数据分类。
什么是 LSTM
什么是 LSTM在人工智能 (AI) 和深度学习领域，LSTM 是使用人工神经网络的长短期记忆网络。这些网络具有反馈连接，而不是标准前馈神经网络（也称为循环神经网络）。LSTM 适用于未分段、连接的手写识别、语音识别、机器翻译、机器人控制、视频游戏和医疗保健等任务。
在人工智能 (AI) 和深度学习领域，LSTM 是使用人工神经网络的长短期记忆网络。这些网络具有反馈连接，而不是标准前馈神经网络（也称为循环神经网络）。LSTM 适用于未分段、连接的手写识别、语音识别、机器翻译、机器人控制、视频游戏和医疗保健等任务。另请阅读：如何在机器学习中使用线性回归。
另请阅读：如何在机器学习中使用线性回归。