« Réseau récurrent à longue mémoire court terme » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
[[Réseau récurrent| | Un [[Réseau récurrent|réseau de neurones récurrent (RNR)]] à longue mémoire court terme comporte plusieurs mécanismes internes (une cellule mémoire, une porte d'entrée, une porte de sortie et une porte d'oubli) permettant de tenir compte à la fois des dépendances courtes et longues dans les séquences de données. Ces mécanismes sont aussi conçus pour atténuer le [[problème de la disparition du gradient]]. | ||
== Compléments == | == Compléments == |
Version du 1 décembre 2022 à 01:08
Définition
Un réseau de neurones récurrent (RNR) à longue mémoire court terme comporte plusieurs mécanismes internes (une cellule mémoire, une porte d'entrée, une porte de sortie et une porte d'oubli) permettant de tenir compte à la fois des dépendances courtes et longues dans les séquences de données. Ces mécanismes sont aussi conçus pour atténuer le problème de la disparition du gradient.
Compléments
Puisqu'il s'agit d'un mécanisme de longue mémoire à court terme. Il faut ainsi éviter les formes suivantes :
- réseau de neurone récurrent à mémoire court et long terme
- réseau de neurone récurrent à long/court terme
Français
réseau récurrent à longue mémoire court-terme
réseau récurrent LMCT
réseau de neurones récurrent à longue mémoire à court-terme
RNR à longue mémoire court-terme
réseau récurrent à longue mémoire court terme
réseau récurrent à longue mémoire court-terme
RNR à longue mémoire court terme
réseau de neurones récurrent LMCT
réseau LMCT
RNR LMCT
LMCT
Anglais
long short term memory neural network
long short term memory memory network
long short-term memory
LSTM
Source: Goodfellow, Bengio, Courville L'apprentissage profond, Éditeur Florent Massot 2018
Source: Claude Coulombe - thèse
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, Patrick Drouin, wiki