مروری برالگوریتم حافظه کوتاه مدت طولانی و کاربردهای آن

سال انتشار: 1400
محل انتشار: فصلنامه عصر برق، دوره: 8، شماره: 15
کد COI اختصاصی: JR_KEEE-8-15_003
زبان مقاله: فارسی
تعداد مشاهده: 481

نویسندگان

گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مشهد

چکیده

شبکه های عصبی بازگشتی مدلی از روش های یادگیری عمیق است که در چند دهه گذشته موضوع بسیار پرطرفداری بوده است. شبکه های عصبی LSTM روشی جدید از پردازش اطلاعات است که به خاطر ساختار زنجیرهای که دارد بر روی داده هایی با سری زمانی فعالیت می کند که منجر به رخدادهای قدرتمندی در حوزه یادگیری عمیق می شود. اگر LSTM ویژگی مهمی در دنباله ورودی در گام های ابتدایی را تشخیص دهد، به دلیل داشتن حافظه کوتاه مدت طولانی می تواند این اطلاعات را طی مسیر طولانی منتقل کند و این گونه وابستگی های بلندمدت احتمالی را دریافت و حفظ می کند. در این مقاله سعی شده است انواع LSTM و کاربرد آنها در پردازش متن در حوزه های طبقه بندی متون و تحلیل احساسات و استخراج ویژگی بررسی شود علاوه بر این ما شناسایی اهداف آینده را مد نظر قرار داده و مسیر تحقیق آینده برجسته شده است.

کلیدواژه ها

: Deep learning, Recurrent neural network LSTM, Natural language processing, Feature extraction, یادگیری عمیق, شبکه های بازگشتی LSTM, پردازش متن, استخراج ویژگی

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.