参考了colah的文献。说实话,这篇文章不是给零基础地学生看的,知识鄙人再学习完神经网络之后的学习笔记。所以需要先看看colah地文章,至少先把这位大佬文章上地图看懂。
我是零基础看的。在理解的时候,带着者几个问题看的
1. 基本概念:神经网络的层和门是什么意思;2. 神经单元的层输入和输出数据是什么形式,表示什么意义;3.层的计算使用的函数的作用是什么,为什么使用这几个函数(建议先从这几个函数的特点思考)。
解决这些问题,LSTM应该是入门了。 我会在接下来的介绍中显示或者隐式地回答这些问题。
LSTM(long short term memory)是一个为了解决RNN不能长期依赖而解决的研发出来的。
什么是长期依赖呢?
如下图RNN神经网络单元图
图1 RNN神经单元
在每一个神经网络单元中只有一个tanh函数,前一个单元的知识会通过tanh函数遗忘部分,如果经过多层(每层是一个由神经单元表示)处理之后前面的知识会被遗忘,比如I study in school (3000 words) so i am a student,那么school和student之间的几乎无相关关系。
LSTM就是为了解决RNN长期以来而研发出来的。为了解决这个问题,LSTM添加了知识库