目录:
1.LSTM简单介绍
红框从左到右,依次是:
忘记门层: 决定从细胞状态中丢弃什么信息,通过当前时刻输入和前一个时刻输出决定
细胞状态: 确定并更新新信息
到当前时刻的细胞状态中
输出门层: 基于目前的细胞状态决定该时刻的输出
2.简单假设样例
假设现有一个样本,Shape=(13,5),时间步是13,每个时间步的特征长度是5.形象点,我把一个样本画了出来:
使用Keras框架添加LSTM层时,我的设置是这样的keras.layers.LSTM(10)
,也就是我现在设定,
目录:
红框从左到右,依次是:
忘记门层: 决定从细胞状态中丢弃什么信息,通过当前时刻输入和前一个时刻输出决定
细胞状态: 确定并更新新信息
到当前时刻的细胞状态中
输出门层: 基于目前的细胞状态决定该时刻的输出
假设现有一个样本,Shape=(13,5),时间步是13,每个时间步的特征长度是5.形象点,我把一个样本画了出来:
使用Keras框架添加LSTM层时,我的设置是这样的keras.layers.LSTM(10)
,也就是我现在设定,