LSTM和GRU结构及原理介绍

参考博文: 直觉理解LSTM和GRU

第一部分: LSTM

LSTM的结构

LSTM的原理

LSTM单元之间传递两个信息, c和h

$C_{t-1}$ 到 $C_t$, 先遗忘一部分信息, 然后再加上新学到的一部分信息


$f_t$控制哪些需要忘掉, ${\tilde{C}}_t$用于生成新信息, $i_t$控制哪些新信息需要保留, $C_t$就完成了

但是$h_t$还没有完成, $h_t$还需要经过如下处理用于输出:

$o_t$控制了新信息中哪些用于此单元输出

LSTM的优势

• 相比RNN, LSTM最大的优势就是可以缓解梯度消失问题. (RNN在反向传播的时候求底层的参数梯度会涉及到梯度连乘, 出现梯度消失或者梯度爆炸)
• 数学原理, 参考知乎: 为什么相比于RNN，LSTM在梯度消失上表现更好？-- 刘通的回答)
  
  对于RNN, 如果要计算$h_0$的导数, 涉及同一个W的连乘(正向传播的时候是矩阵乘法), 这很容易引起梯度消失或者梯度爆炸.(W>1 或 W<1)
  
  而对于LSTM, 反向传播的时候$c_0$的导数只涉及$f_t$的连乘(对应元素相乘), 并且每个cell的$f_t$都不相同(在0-1之间), 这更不容易引起梯度消失.
• 此外, LSTM通过引入更多的参数, 可以更加精细地预测时间序列变量.

第二部分: GRU

GRU的结构

在GRU里面，不再有C和h两部分，而是只用了h

GRU的原理

与LSTM类似, GRU的学习也是先遗忘一部分旧信息, 再添加一部分新信息.
而不同之处在于, 在LSTM中，忘记和添加的比例是学习来的，两者没什么相关；而在GRU中，这个比例是固定的：忘记了多少比例，那么新的信息就添加多少比例。这个由 （1-）来进行控制

$z_t$同时控制遗忘旧信息和记住新信息的比例

新信息是由$x_t$和一部分$h_t$生成的, 这"一部分"由$r_t$控制

GRU的优势

相比LSTM，使用GRU能够达到相当的效果，并且相比之下更容易进行训练，能够很大程度上提高训练效率，因此很多时候会更倾向于使用GRU, 尤其是训练较深的网络时.