以下文章来源于AI蜗牛车,作者Che_Hongshu(Datawhale成员,东南大学硕士)
https://zhuanlan.zhihu.com/p/148122328
【串讲总结】RNN、LSTM、GRU、ConvLSTM、ConvGRU、ST-LSTMmp.weixin.qq.com![a3e8d5807af60d7cf91ceb2449afb2e8.png](https://i-blog.csdnimg.cn/blog_migrate/5f9d565f659784f2652a424df52674ab.png)
前言
平时很少写总结性的文章,感觉还是需要阶段性总结一些可以串在一起的知识点,所以这次写了下。因为我写的内容主要在时序、时空预测这个方向,所以主要还是把rnn,lstm,gru,convlstm,convgru以及ST-LSTM进行了串讲总结
一、 RNN
最为原始的循环神经网络,本质就是全连接网络,只是为了考虑过去的信息,输出不仅取决于当前输入,还取决于之前的信息,也就是输出由之前的信息(也就是状态state)和此时的输入决定。
1.1 结构图
![fa7535374c58bf924d1e7bb1877c3205.png](https://i-blog.csdnimg.cn/blog_migrate/383513a5d8b5791536c8e90789f46aa2.jpeg)
![4fe9a065f1d9ca9deea7e797c3b26482.png](https://i-blog.csdnimg.cn/blog_migrate/49cdce47010a4e21231e319e893d1874.png)
1.2 公式
1.3 优缺点
1.3.1 优点
① RNN