LSTM

Fig.1 Unidade básica LSTM

Fig.2 Rede LSTM

Long short-term memory (coas siglas en inglés LSTM) ou memoria longa a curto prazo é unha técnica para mellorar o desenvolvemento da intelixencia artificial formada por redes neurais recorrentes (RNN). A unidade básica LSTM consta dunha cela de memoria, unha porta de entrada, unha porta de saída e unha porta de esquecemento. Aplícanse nos campos da clasificación e da predición estatística sobre un conxunto de datos temporais. Os LSTM foron propostos por Sepp Hochreiter e Jürgen Schmidhuber en 1997 e mellorados por Felix Gers en 2000. Empresas como Google (Home), Apple (Siri), Amazon (Alexa ) e Microsoft empregan LSTM como un compoñente fundamental nos seus motores de recoñecemento de voz. ^{[1] [2] [3] [4]}

Aplicacións

Control robótico, predición de datos temporais, recoñecemento de voz, aprendizaxe do ritmo, composición musical, aprendizaxe gramatical, recoñecemento de caligrafía...

Notas

1. "Understanding LSTMs". colah.github.io (en inglés). 
2. "Publications" (PDF). bioinf.jku.at (en inglés). 
3. "A beginners' guide to implementing long-short-term-memory networks". Heartbeat (en inglés). 2018-05-29. Arquivado dende o orixinal o 06 de decembro de 2018. Consultado o 11 de setembro de 2022. 
4. "Long-short-term-memory-lstm-KXoay". Coursera.org. 

Véxase tamén

Wikimedia Commons ten máis contidos multimedia na categoría:  LSTM

• Aprendizaxe profunda (Deep learning)
• Memoria
• Rede neural artificial
• Rede neural recorrente
• Supercomputadora

----

Este artigo sobre informática é, polo de agora, só un bosquexo. Traballa nel para axudar a contribuír a que a Galipedia mellore e medre.  Existen igualmente outros artigos relacionados con este tema nos que tamén podes contribuír.

---