LSTM

什么是LSTM

LSTM是SimpleRNN的变体，用来解决RNN中梯度消失的问题，相比普通的RNN，LATM在长序列中表现更好。

LSTM的原理

LSTM结构（图右）和普通RNN的主要输入输出区别

RNN通常只有一个传递状态$h^t$, 而LSTM通常有两个状态：$c^t$和$h^t$;

可以将$c^t$看作一个传送带，包含了RNN网络中每个时间结点的信息，常输出的$c^t$是上一个状态传过来的$c^{t-1}$加上一些数值。

而$h^t$通常在不同结点差别很大。

$$z=tanh(W\ast (x^t,h^{t-1}))$$

$$z^i=\sigma (W^i\ast (x^t,h^{t-1}))$$

$$z^f=\sigma (W^f\ast (x^t,h^{t-1}))$$

$$z^o=\sigma (W^o\ast (x^t,h^{t-1}))$$

其中，$z^i,z^f,z^o$是是由拼接向量乘以权重矩阵之后，再通过一个$sigmoid$激活函数转换成0到1之间的数值，来作为一种门控状态。而 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JYaWITEv-1619274258999)(https://www.zhihu.com/equation?tex=z)] 则是将结果通过一个$tanh$激活函数将转换成-1到1之间的值（这里使用$tanh$是因为这里是将其做为输入数据，而不是门控信号)。

上面四种状态的使用

$\odot$是Hadamard Product，也就是操作矩阵中对应的元素相乘，因此要求两个相乘矩阵是同型的。
$\oplus$ 则代表进行矩阵加法

LSTM内部主要有三个阶段：

1. 忘记阶段。这个阶段主要是对上一个节点传进来的输入进行选择性忘记。简单来说就是会 “忘记不重要的，记住重要的”。

   具体来说是通过计算得到的$z^f$来作为忘记门控，来控制上一个状态的$c^{t-1}$ 哪些需要留哪些需要忘。

2. 选择记忆阶段。这个阶段将这个阶段的输入有选择性地进行“记忆”。主要是会对输入$x^t$ 进行选择记忆。哪些重要则着重记录下来，哪些不重要，则少记一些。当前的输入内容由前面计算得到的$z$表示。而选择的门控信号则是由$z^i$来进行控制。

将上面两步得到的结果相加，即可得到传输给下一个状态的$c^t$ 。也就是上图中的第一个公式。

3. 输出阶段。这个阶段将决定哪些将会被当成当前状态的输出。主要是通过$z^o$来进行控制的。并且还对上一阶段得到的$z^o$进行了放缩（通过一个tanh激活函数进行变化）。

与普通RNN类似，输出 $y^t$ 往往最终也是通过$h^t$ 变化得到。

优缺点

1. 优点：解决了SimpleRNN梯度消失的问题，可以处理long-term sequence
2. 缺点：计算复杂度高，想想谷歌翻译也只是7-8层LSTM就知道了；自己跑代码也有明显的感觉，比较慢。

参考文献

1. LSTM原理与实践，原来如此简单
2. [人人都能看懂的LSTM](