基于长短期记忆神经网络LSTM的预测模型(matlab实现）

🌼 希望是附丽于存在的，有存在，便有希望，有希望，便是光明。 ——鲁迅

1.普通循环神经网络

循环神经网络(Recurrent Neural Networks)简称RNN，是一种能够处理时间序列数据的神经网络模型，可以自然的拟合时间和数据之间的关系。循环神经网络作为一种早期深度学习算法中的一种，在各领域有广泛的应用范围，如预测，语音识别等。

相比于传统的前馈性神经网络，循环神经网络的最大的特点是增加了“记忆”的优势，通过信号的双向传播和隐藏层的循环结构，循环神经网络能够综合预测前的多个信息，分析输入信号前后的相关性，能有效提高时间序列方向预测的准确性。

却有一定的缺陷：

但是循环神经网络可能在训练的过程中出现指数的衰减或增长，损失函数经常遇见梯度消失或梯度爆炸的问题。对于这种传统的循环神经网络，随着训练数据集量的增大或数据前后时间间隔过大，那么新输入神经网络的数据会答题前期训练确定的隐藏层数目，有效的信息就会被“忘记”。

2.长短期记忆神经网络

2.1长短期记忆神经网络概述

长短期记忆神经网络（LSTM）是循环神经网络中的一种。

由于普通的神经网络出现如上的问题，长短期记忆神经网络来源于对循环