Ի՞նչ է Lstm ալգորիթմը:

2024 Հեղինակ: Lynn Donovan | [email protected]. Վերջին փոփոխված: 2023-12-15 23:48

Երկար կարճաժամկետ հիշողություն ( ԼՍՏՄ ) արհեստական կրկնվող նեյրոնային ցանց է ( RNN ) խորը ուսուցման ոլորտում օգտագործվող ճարտարապետություն. ԼՍՏՄ ցանցերը հարմար են ժամանակային շարքերի տվյալների վրա հիմնված դասակարգելու, մշակելու և կանխատեսումներ անելու համար, քանի որ ժամանակային շարքի կարևոր իրադարձությունների միջև կարող են լինել անհայտ տևողության հետաձգումներ:

Ավելին, ինչպե՞ս եք բացատրում Lstm-ը:

Ան ԼՍՏՄ ունի նմանատիպ վերահսկման հոսք, ինչպես կրկնվող նեյրոնային ցանցը: Այն մշակում է տեղեկատվություն փոխանցող տվյալները, երբ այն տարածվում է առաջ: Տարբերությունները ներսում գործող գործողություններն են LSTM-ները բջիջները. Այս գործողությունները օգտագործվում են թույլ տալու համար ԼՍՏՄ տեղեկատվությունը պահել կամ մոռանալ:

Բացի այդ, ո՞րն է Lstm-ի արդյունքը: Այն ելքը ան ԼՍՏՄ բջիջը կամ բջիջների շերտը կոչվում է թաքնված վիճակ: Սա շփոթեցնող է, քանի որ յուրաքանչյուրը ԼՍՏՄ բջիջը պահպանում է ներքին վիճակ, որը այդպես չէ ելքը , որը կոչվում է բջջային վիճակ, կամ ք.

Դրա համար ինչու է Lstm-ն ավելի լավը, քան RNN-ը:

Դա կարող ենք ասել, երբ տեղափոխվենք այնտեղից RNN դեպի ԼՍՏՄ (Երկար կարճաժամկետ հիշողություն), մենք ավելի ու ավելի շատ վերահսկիչ կոճակներ ենք ներմուծում, որոնք վերահսկում են մուտքերի հոսքը և խառնումը ըստ պատրաստված քաշի: Այսպիսով, ԼՍՏՄ տալիս է մեզ առավելագույն վերահսկելի ունակություն և, հետևաբար, Ավելի լավ Արդյունքներ. Բայց նաև գալիս է ավելի բարդության և գործառնական ծախսերի հետ:

Արդյո՞ք Lstm-ը RNN-ի տեսակ է:

ԼՍՏՄ Ցանցեր. Երկարաժամկետ կարճաժամկետ հիշողության ցանցերը, որոնք սովորաբար կոչվում են «LSTM», հատուկ են տեսակ RNN , երկարաժամկետ կախվածություններ սովորելու ունակ։ Ստանդարտ RNN-ներում այս կրկնվող մոդուլը կունենա շատ պարզ կառուցվածք, օրինակ՝ մեկ tanh շերտ: Կրկնվող մոդուլը ստանդարտում RNN պարունակում է մեկ շերտ.