会员服务
长短期记忆（LSTM）是一种用于深度学习领域的人工递归神经网络（RNN）架构。与标准前馈神经网络不同，LSTM具有反馈连接。它不仅可以处理单个数据点（例如图像），而且可以处理整个数据序列（例如语音或视频）。例如，LSTM适用于诸如未分段的连接手写识别，语音识别和网络流量或IDS（入侵检测系统）中的异常检测之类的任务。常见的LSTM单元由单元，输入门，输出门和忘记门组成。单元会记住任意时间间隔内的值，并且三个门控制着进出单元的信息流。LSTM网络非常适合基于时间序列数据进行分类，处理和做出预测，因为时间序列中重要事件之间可能存在未知持续时间的滞后。开发LSTM是为了解决训练传统RNN时可能遇到的梯度消失问题。与缝隙长度相对不敏感是LSTM在众多应用中优于RNN，隐马尔可夫模型和其他序列学习方法的优势。
Multiple Descents in Deep Learning as a Sequence of Order-Chaos Transitions in LSTM Networks
Arxiv
0+阅读 · 6月15日
Infinity-norm-based Input-to-State-Stable Long Short-Term Memory networks: a thermal systems perspective
Arxiv
0+阅读 · 6月9日
Few-Shot Prediction for Pulsar Noise with Long Short-Term Memory Network
Arxiv
0+阅读 · 6月2日
A Deep Reinforcement Learning Approach to Automated Stock Trading, using xLSTM Networks
Arxiv
0+阅读 · 4月28日
Spatial-Temporal Learning-Based Distributed Routing for Dynamic LEO Satellite Networks
Arxiv
0+阅读 · 5月4日
Spatio-Spectroscopic Representation Learning using Unsupervised Convolutional Long-Short Term Memory Networks
Arxiv
0+阅读 · 2月20日
QKAN-LSTM: Quantum-inspired Kolmogorov-Arnold Long Short-term Memory
Arxiv
0+阅读 · 2月27日
Soft Sensor for Bottom-Hole Pressure Estimation in Petroleum Wells Using Long Short-Term Memory and Transfer Learning
Arxiv
0+阅读 · 2月3日
StoxLSTM: A Stochastic Extended Long Short-Term Memory Network for Time Series Forecasting
Arxiv
0+阅读 · 1月22日
Towards Operational Streamflow Forecasting in the Limpopo River Basin using Long Short-Term Memory Networks
Arxiv
0+阅读 · 1月11日
Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for Large Language Model Agents
Arxiv
0+阅读 · 1月5日
QKAN-LSTM: Quantum-inspired Kolmogorov-Arnold Long Short-term Memory
Arxiv
0+阅读 · 2025年12月4日
Volterra Accentuated Non-Linear Dynamical Admittance (VANYA) to model Deforestation: An Exemplification from the Amazon Rainforest
Arxiv
0+阅读 · 2025年1月15日
The Interpretability of LSTM Models for Predicting Oil Company Stocks: Impact of Correlated Features
Arxiv
0+阅读 · 2023年12月20日
Optimum Output Long Short-Term Memory Cell for High-Frequency Trading Forecasting
Arxiv
0+阅读 · 2023年4月20日
参考链接
微信扫码咨询专知VIP会员
Top