Redes LSTM estão sendo usadas com sucesso em estações terrestres de satélites para prever falhas mecânicas em sistemas de servo de antena. Isso permite manutenção proativa, reduzindo significativamente o tempo de inatividade e aumentando a confiabilidade de instalações críticas não tripuladas.
Scene-LSTM é um modelo projetado para prever a trajetória humana, utilizando redes neurais de memória de longo prazo (LSTM). Este trabalho foca na aplicação de técnicas de inteligência artificial para entender e antecipar movimentos em cenários complexos.
Este artigo propõe um novo framework para aprimorar a previsão de eventos El Niño, integrando dados de previsão do tempo e geográficos. Ele utiliza uma arquitetura híbrida de deep learning, combinando CNN para extração espacial e LSTM para modelagem temporal, visando identificar precursores complexos.
Este artigo discute as restrições práticas para a implementação de modelos de IA, especificamente LSTM, em ambientes de varejo, enfatizando configurações econômicas para pequenas e médias empresas. Ele destaca a previsão de demanda para gestão de estoque como um caso de uso principal que exige a implantação eficiente de modelos em dispositivos de borda.