LSTM的实现

本文详细介绍了LSTM(长短期记忆网络)的结构、门控机制和参数量计算,并展示了如何在Keras中实现LSTM。通过一个时间序列预测项目,阐述了LSTM在处理时间序列数据上的应用,包括数据预处理、模型训练和性能评估。
摘要由CSDN通过智能技术生成

什么是LSTM
1、LSTM的结构
在这里插入图片描述我们可以看出,在n时刻,LSTM的输入有三个:
(1) 当前时刻网络的输入值Xt;
(2) 上一时刻LSTM的输出值ht-1;
(3) 上一时刻的单元状态Ct-1;
LSTM的输出有两个:
(1) 当前时刻LSTM输出值ht;
(2) 当前时刻的单元状态Ct;
2、LSTM独特的门结构
LSTM用两个门来控制单元状态Cn的内容:
遗忘门(forget gate),它决定了上一时刻的单元状态Cn-1有多少保留当前时刻
输入门(input gate),它决定了当前网络的输入C‘n有多少保存到新的单元状态Cn中
LSTM用一个门来控制当前输出值hn的内容:
输出门(output gate),它利用当前时刻单元状态Cn对hn的输出进行控制

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

打赏作者

yhwang-hub

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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