LSTM学习总结

发展历程：

RNN：无法很好地学习到距离较远的信息。

LSTM：添加了忘记门。输入门。输出门。

GRU：将LSTM的门结构进行了重新设计，归结为两个门结构，一个重置门，另一个更新门。

Muti-Layers-LSTM:在层次上进行改善网络结构。

Bi-LSTM:在方向上改进。

 STGAT论文 要点：

贡献：1、采用额外的LSTM显示建模交互作用的时间相关性；

           2、通过使用GAT汇总LSTM的隐藏状态来模拟行人之间的空间相互作用。

评估误差：1、平均位