LSTM（Long Short-Term Memory、長短期記憶）とは、再帰型ニューラルネットワーク（RNN）の一種で、Sepp HochreiterとJürgen Schmidhuberによって1997年に提案されました。通常のRNNが持つ「長距離の依存関係を学習できない」という勾配消失問題を解決するために設計されています。LSTMの中核となる仕組みは「セル状態」と3つの「ゲート」です。忘却ゲート（Forget Gate）：過去の情報をどの程度忘れるかを制御する入力ゲート（Input Gate）：新しい情報をどの程度取り込むかを制御する出力ゲート（Output Gate）：次のステップに何を出力するかを制御するこれらのゲートがシグモイド関数とtanh関数を使って協調動作することで、長い系列における重要な情報を選択的に保持・忘却できます。LSTMは音声認識・機械翻訳・文章生成・株価予測・異常検知など幅広い分野で活用されてきました。近年はTransformerアーキテクチャがこれらの分野で主流となりつつありますが、計算資源が限られた環境や、特定の逐次処理タスクではLSTMが依然として有力な選択肢です。また、LSTMを双方向に接続した「双方向LSTM（BiLSTM）」も文脈把握が重要なタスクで用いられます。

LSTMとは？意味・定義をわかりやすく解説

LSTMとは？

えるえすてぃーえむ

LSTMとは、長期的な文脈依存関係を学習できるように設計された再帰型ニューラルネットワークの一種で、時系列データや自然言語処理に広く使われています。

LSTM（Long Short-Term Memory、長短期記憶）とは、再帰型ニューラルネットワーク（RNN）の一種で、Sepp HochreiterとJürgen Schmidhuberによって1997年に提案されました。通常のRNNが持つ「長距離の依存関係を学習できない」という勾配消失問題を解決するために設計されています。

LSTMの中核となる仕組みは「セル状態」と3つの「ゲート」です。

忘却ゲート（Forget Gate）：過去の情報をどの程度忘れるかを制御する
入力ゲート（Input Gate）：新しい情報をどの程度取り込むかを制御する
出力ゲート（Output Gate）：次のステップに何を出力するかを制御する

これらのゲートがシグモイド関数とtanh関数を使って協調動作することで、長い系列における重要な情報を選択的に保持・忘却できます。

LSTMは音声認識・機械翻訳・文章生成・株価予測・異常検知など幅広い分野で活用されてきました。近年はTransformerアーキテクチャがこれらの分野で主流となりつつありますが、計算資源が限られた環境や、特定の逐次処理タスクではLSTMが依然として有力な選択肢です。また、LSTMを双方向に接続した「双方向LSTM（BiLSTM）」も文脈把握が重要なタスクで用いられます。

LSTMとは？

使い方・例文

この用語をシェア

関連用語