RNN循环神经网络笔记汇总

本文介绍长短期记忆网络(LSTM)的必要性及其选择性机制,包括选择性输出、输入及遗忘,解决了传统递归神经网络(RNN)无法长期保存信息的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

正向传播:
反向传播:Tanh函数(-1~+1,可以防止梯度爆炸)
多层网络与双向网络

长短期记忆网络(LSTM)
1.为什么需要LSTM:普通RNN的信息不能长久传播(只存在于理论中)
2. 引入选择性机制:选择性输出,输入,遗忘
3. 选择性->门

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值