Long Short-Term Memory (LSTM) adalah jenis Recurrent Neural Network (RNN) yang dikembangkan oleh para peneliti di Google Brain pada tahun 1997. Ini adalah jenis jaringan saraf tiruan yang digunakan dalam pembelajaran mendalam, khususnya dalam pemrosesan bahasa alami (NLP) dan waktu pemrosesan seri. Ini adalah alternatif dari RNN tradisional, yang mengalami masalah gradien menghilang.
Jaringan LSTM tersusun atas struktur khusus yang disebut blok, dimana setiap blok memiliki beberapa lapisan neuron. Neuron-neuron ini mencakup gerbang masukan, gerbang keluaran, dan dua gerbang berulang yang mengingat nilai untuk jangka waktu tertentu. Hal ini memungkinkan jaringan untuk mengingat informasi dalam jangka waktu yang lebih lama. Secara khusus, setiap neuron dalam jaringan mengambil masukannya, kemudian menghasilkan keluaran tergantung pada bobotnya (yaitu koneksi sinaptik antar neuron).
Jaringan LSTM telah banyak digunakan dalam aplikasi seperti pemrosesan bahasa, pengenalan suara, konversi teks-ke-ucapan, dan pemahaman bahasa alami. Dengan demikian, LSTM lebih efektif untuk masalah yang memerlukan memori jangka panjang.
Singkatnya, Memori Jangka Pendek Panjang (LSTM) adalah jenis Jaringan Neural Berulang yang menggunakan gerbang berulang untuk menyimpan nilai dalam jangka waktu lama, sehingga memungkinkannya digunakan untuk tugas kompleks seperti pemrosesan bahasa alami.
