Long Short-Term Memory

释义 Definition

长短期记忆（LSTM）：一种循环神经网络（RNN）的改进结构，通过“门控机制”在序列数据中更好地保留长期信息、缓解梯度消失问题，常用于语言、语音、时间序列预测等任务。

发音 Pronunciation (IPA)

/ˌlɔːŋ ˌʃɔːrt ˈtɜːrm ˈmɛməri/

例句 Examples

LSTM is widely used in speech recognition.
LSTM 广泛用于语音识别。

Because LSTM can learn long-range dependencies, it often outperforms basic RNNs on tasks like machine translation and financial time-series forecasting.
由于 LSTM 能学习长距离依赖关系，它在机器翻译、金融时间序列预测等任务上常常优于基础 RNN。

词源 Etymology

“Long Short-Term Memory”这一名称借用了认知心理学中“短期/长期记忆”的概念，用来形象说明该结构既能处理短期信息，也能在需要时保留更长期的状态。LSTM 作为神经网络结构在 1990 年代由 Sepp Hochreiter 与 Jürgen Schmidhuber 系统提出并推广，核心是用输入门、遗忘门、输出门来控制信息的写入、保留与读出。

相关词 Related Words

• Recurrent Neural Network
• RNN
• GRU
• Gate
• Cell State
• Sequence
• Time Series
• Backpropagation
• Gradient Vanishing
• Attention
• Transformer

文献与作品 Literary / Notable Works

• Hochreiter & Schmidhuber（1997）：Long Short-Term Memory（提出 LSTM 的经典论文）
• Goodfellow, Bengio & Courville：Deep Learning（深度学习教材中系统介绍 RNN/LSTM）
• Jurafsky & Martin：Speech and Language Processing（在 NLP 语境中讨论序列模型与 LSTM）
• Goldberg：Neural Network Methods for Natural Language Processing（介绍 NLP 中的神经网络方法，含 RNN/LSTM 相关内容）