[딥러닝] LSTM(Long-Short Term Memory)에 대한 이해
LSTM(Long Short Term Memories) Gradient vanishing / exploding 문제 완화를위해, 거리가 먼 과거의 정보도 잊어버리지 않도록 수식을 변형하고, 3개의 Gate를 이용해 현 단계의 인풋과 이전 메모리의 비율을 조정합니다. (아래 설명 및 그림은 https://medium.datadriveninvestor.com/lstm-vs-rnn-confusion-cleared-772d43b4206f을 참조) RNN RNN Cell은 이전 단계의 hidden state와 이번 단계의 인풋을 결합하여 다음 유닛으로 전달합니다. LSTM LSTM에서는 Cell state와 Hidden state라는 두 개의 정보 흐름을 가지며 인풋에 따라 정보를 선택하거나 결합하여 다음 유닛으..
Data Science&AI
2023. 2. 13. 18:14
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- Model Drift
- 모델 배포
- data drift
- Data Drift와 Concept Drift 차이
- NHITS설명
- 생성형BI
- 모델 드리프트
- 영화 인턴
- On-premise BI vs Cloud BI
- Data Drift Detection
- amzaon quicksight
- 모델 드리프트 대응법
- SQLD 정리
- Model Drift Detection
- Tableau vs QuickSight
- Concept Drift
- 추천시스템
- 데이터 드리프트
- 최신시계열
- 오토인코더
- SQLD
- 영어공부
- amazon Q
- 비즈니스 관점 AI
- 시계열딥러닝
- Generative BI
- AutoEncoder
- SQLD자격증
- pandas-gpt
- pandas-ai
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
글 보관함