LSTM:三个门 - 遗忘门、输入门、输出门
门可以理解为mask,用来过滤筛选信息。
单次输入、细胞状态、单次输出,均是列向量。即总的输入是一连串的列向量。
解释:除去最右边的蓝色tanh,其他每一个激活函数图标,都代表着 f(Wx+b) 即激活一个线性运算。三个门共四个要激活的线性运算,代表着四对可训练的矩阵W和截距b。这四对参数才是LSTM训练过程中真正在训练的东西。由于细胞状态c与隐状态h的维数相同(记做k),与输入的维数i无关,故四个矩阵W均是k*(k+i)维。
注意1:k与i均可在搭建时设定,即同CNN一样,LSTM也有改变特征维数的功能。
注意2:tanh输出-1到1,sigmoid输出0到1,所以在不同时候使用,起到不同效果。
参数量:4k(k+i)+4k (即4个W和4个b)
问题思考:细胞状态c和隐状态h貌似有部分功能重复的嫌疑?
问题解决:新出的GRU合并了隐状态和细胞状态。与LSTM效果差不多,但参数更少,更不容易过拟合。