რა არის Lstm ალგორითმი?

2024 ავტორი: Lynn Donovan | [email protected]. ბოლოს შეცვლილი: 2023-12-15 23:49

გრძელვადიანი მოკლევადიანი მეხსიერება ( LSTM ) არის ხელოვნური მორეციდივე ნერვული ქსელი ( RNN ) ღრმა სწავლების სფეროში გამოყენებული არქიტექტურა. LSTM ქსელები კარგად შეეფერება კლასიფიკაციას, დამუშავებას და პროგნოზების გაკეთებას დროის სერიების მონაცემებზე დაყრდნობით, რადგან დროის სერიების მნიშვნელოვან მოვლენებს შორის შეიძლება იყოს უცნობი ხანგრძლივობის ჩამორჩენა.

უფრო მეტიც, როგორ ხსნით Lstm-ს?

ან LSTM აქვს მსგავსი საკონტროლო ნაკადი, როგორც განმეორებადი ნერვული ქსელი. ის ამუშავებს ინფორმაციას, რომელიც გადასცემს ინფორმაციას წინ გავრცელებისას. განსხვავებები არის ოპერაციების ფარგლებში LSTM-ები უჯრედები. ეს ოპერაციები გამოიყენება დასაშვებად LSTM ინფორმაციის შენახვა ან დავიწყება.

ასევე, რა არის Lstm-ის გამომავალი? The გამომავალი ან LSTM უჯრედს ან უჯრედების ფენას ფარული მდგომარეობა ეწოდება. ეს დამაბნეველია, რადგან თითოეული LSTM უჯრედი ინარჩუნებს შინაგან მდგომარეობას, რომელიც არ არის გამომავალი , რომელსაც ეწოდება უჯრედის მდგომარეობა, ან გ.

აქედან გამომდინარე, რატომ არის Lstm უკეთესი ვიდრე RNN?

ამის თქმა შეგვიძლია, როცა გადავალთ RNN რომ LSTM (გრძელვადიანი მეხსიერება), ჩვენ შემოგთავაზებთ უფრო და უფრო მეტ საკონტროლო ღილაკებს, რომლებიც აკონტროლებენ შეყვანის ნაკადს და შერევას გაწვრთნილი წონის მიხედვით. Ისე, LSTM გვაძლევს კონტროლის მაქსიმალურ უნარს და ამგვარად, Უკეთესი შედეგები. მაგრამ ასევე გააჩნია მეტი სირთულე და საოპერაციო ღირებულება.

არის Lstm RNN-ის ტიპი?

LSTM ქსელები. გრძელვადიანი მოკლევადიანი მეხსიერების ქსელები - ჩვეულებრივ მხოლოდ "LSTM"-ს უწოდებენ - განსაკუთრებულია სახის RNN , შეუძლია ისწავლოს გრძელვადიანი დამოკიდებულებები. სტანდარტულ RNN-ებში, ამ განმეორებით მოდულს ექნება ძალიან მარტივი სტრუქტურა, როგორიცაა ერთი tanh ფენა. განმეორებითი მოდული სტანდარტში RNN შეიცავს ერთ ფენას.