Uzun Kısa Süreli Bellek (LSTM)

Uzun Kısa Dönem Hafıza (LSTM), verilerdeki zamansal bağımlılıkları modellemek için kullanılan bir Tekrarlayan Sinir Ağı (RNN) türüdür. Özellikle, daha önce gözlemlenen zamanlardan geçmiş olayları veya bağımlılıkları "hatırlayabilir". Doğal dil işleme, makine çevirisi, görüntü altyazısı ve konuşma tanıma gibi bir dizi alanda yaygın olarak kullanılmaktadır.

Bir LSTM, bir bilgisayarın bilgileri genellikle tekrarlayan bir sinir ağıyla mümkün olandan daha uzun süre hatırlamasına yardımcı olmak için özel olarak tasarlanmış bir ağ türüdür. Uzun kısa süreli bellek modeli, uzun süreler boyunca bilgi depolayan "hücreler" kullanarak çalışır; yeni bir girdi algılandığında, mevcut hücrelerle birbirine bağlanan yeni hücreler oluşturulur. Bununla birlikte, yeni hücreler mevcut hücrelerin içinde depolanan bilgilerin bir kısmını "unutabilir" ve ağın öğrendiklerinin bir kısmını "unutmasına" izin verir.

LSTM'nin temel bileşenleri bellek hücreleri, unutma kapıları ve giriş kapılarıdır. Hafıza hücreleri uzun süreler boyunca bilgi depolamaktan sorumludur ve unutma ve giriş kapıları hücrelerde hangi bilgilerin depolanması veya depolanmaması gerektiğine karar verir. Bu bileşenler LSTM ağlarının geçmişi "hatırlamasını" ve aynı zamanda yeni girdileri dikkate alabilmesini sağlar.

LSTM'ler, doğal dil işleme ve görüntü tanıma dahil olmak üzere çeşitli uygulamalarda önemli bir araçtır. Ön bilgileri hesaba katabilirler ve hem denetimli hem de denetimsiz öğrenmede kullanılabilirler. Kullanım alanları hisse senedi fiyatlarının tahmin edilmesinden dil çevirisine, otonom sürüşten video oynatmaya kadar uzanmaktadır.

Genel olarak, LSTM ağları, bilgileri uzun süreler boyunca saklama ve yeni girdileri geleneksel tekrarlayan sinir ağlarından daha verimli bir şekilde işleme yetenekleri nedeniyle çeşitli uygulamalar için oldukça etkili sinir ağlarıdır.