LSTM网络适用于存在时间序列关联的数据处理，如语音识别和文字识别。它引入了输入门、输出门和忘记门来控制信息流动。输入门决定新信息是否进入，忘记门控制旧信息的遗忘，输出门决定最终输出。每个门的计算涉及权重和偏置，通过这些门的开关控制信号流动，实现长期依赖的保留。LSTM的网络结构包括输入、隐藏和输出层，通过调整门的状态控制信息传递。
对于之间的神经网络，各个输入信号之间没有联系，但对于现实中的一些场景，如语音处理，文字识别等，输入之间均有一点的联系，根据此应用场景，产生了LSTM（Long Short Term Memory）网络。
与BP神经网络相似，LSTM网络多了一个反馈，即将上一个时间的输出作为了下一个时间的输入，基本结构如下：
LSTM主要由输入门，输出门，忘记门控制。下图所示为其一个隐藏的结构，最下面g为输入信号，Input Gate为输入门，两个数值做乘法，即可对输入信号进行判断，让其进不进入后面的内容。Forget Gate为忘记门，使信号发生一定的衰减，Output Gate为输出门，控制输出信号。
其隐藏层计算如下：
最低0.47元/天 解锁文章
4433
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
