LSTM

释义 Definition

LSTM 是 Long Short-Term Memory（长短期记忆） 的缩写，一种循环神经网络（RNN）结构，通过“门控机制”在序列数据中更好地记住长期信息、缓解梯度消失，常用于语言建模、机器翻译、语音识别、时间序列预测等。（除该技术含义外，个别语境中也可能有其他缩写用法。）

发音 Pronunciation (IPA)

/ˌɛl ˌɛs ˌtiː ˈɛm/

例句 Examples

LSTM models are widely used for text prediction.
LSTM 模型被广泛用于文本预测。

By using an LSTM with attention, the system captured long-range context and improved translation quality.
通过使用带注意力机制的 LSTM，系统捕捉到了更长距离的上下文信息，从而提升了翻译质量。

词源 Etymology

LSTM 来自短语 Long Short-Term Memory，意在表达模型既能保留“长时”信息，又能处理“短时”动态。该结构最早由 Sepp Hochreiter 与 Jürgen Schmidhuber 在 1997 年的经典论文中系统提出，后来成为深度学习序列建模的重要基础之一。

相关词 Related Words

• Rnn
• Gru
• Transformer
• Attention
• Sequence
• Backpropagation
• Vanishing Gradient
• Time Series

文学与著作 Literary Works

• Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory（提出 LSTM 的奠基论文）
• Goodfellow, Bengio & Courville. Deep Learning（深度学习教材中讨论序列模型与 RNN/LSTM）
• Jurafsky & Martin. Speech and Language Processing（自然语言处理教材中涉及 RNN/LSTM 在序列任务中的应用）
• Chollet. Deep Learning with Python（实作导向书籍中常以 LSTM 作为序列建模示例）