LSTM 长短期神经网络 （Long Short Term Memory） LSTM由RNN(循环神经网络)改进而来。 首先来看看RNN的图示。 X是输入向量；Ｕ、Ｗ、V是权重矩阵。 个人理解 RNN叫做循环神经网络，在隐藏层循环好多好多次，循环多了，最开始发生的事情，也就记不清楚了，到最后输出来的东西就只剩后面循环那几次的结果了。很明显RNN的缺点就显现出来了。 就这样，LSTM引入了输入门、遗忘门、输出门和记忆细胞，以此在隐藏层的很多很多次循环中，记住重要的，忘记不重要的，对其进行一定的提升，如下如所示，为LSTM的内部图。
LSTM（长短期记忆网络）是对传统循环神经网络（RNN）的改进，旨在解决RNN在长时间依赖问题上的挑战。RNN在多次循环后往往丢失早期信息，而LSTM通过输入门、遗忘门和输出门以及记忆细胞的设计，能够在循环过程中选择性地记住或遗忘信息，从而更有效地捕获长期依赖关系。这种机制使得LSTM在序列数据处理任务，如自然语言处理和时间序列预测等领域表现出色。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
