本文是自己在项目中用到的部分学习了之后的一些理解和整理,希望对你学习过程中有所帮助,有啥问题欢迎评论一起讨论。
目录
1、LSTM原理
LSTM网络(Long short-term memory,长短期记忆网络)是一种特殊的RNN,能够学习长期依赖关系,它们是由Hochreiter&Schmidhuber(1997)[4]提出的,并在随后的工作中被许多人改进和推广。
LSTM由于其设计的特点,非常适合用于对时序数据的建模,如文本数据。
总的来说就是它的结构如下图所示,一个格格代表一个LSTM单元
主要由三个门构成: forget gate,input gate,output gate具体的计算公式如下:
Forget gate:
这个阶段主要是对上一个节点传进来的输入进行选择性忘记。简单来说就是会 “忘记不重要的,记住重要的”。
其中为当前时刻的输入,为上一时刻输出的隐状态向量,σ表示sigmoid方程,其他都是一些可训练参数
Input gate:
这个阶段将这个阶段的输入有选择性地进行“记忆”
其中为细胞状态向量
Output gate:
这个阶段将决定哪些将会被当成当前状态的输出。
比如一句话[你,好,啊,我,是,X,X,X]输入到LSTM
时刻1:你 == 通过计算 得到
时刻2:好 ==