文章预览
今天，我们将深入探讨长短期记忆（LSTM）网络，它普通循 环神经网络（RNN）的一种升级。 RNN在保留长距离信息方面存在困难，这导致了短期记忆问题。 而LSTM正是为解决这一问题而诞生的,LSTM保留了RNN的循环特性，但加入了一些巧妙的改进。 为了方便大家学习，我给大家准备了神经网络和时间序列相关学习资料， 大家可以添加小助手获取（长按二维码图片添加既可），记得发送文章标题截图给小助手哦! 那么，让我们看看LSTM是如何实现这一点的。 首先，让我们回顾一下RNN之前是如何工作的。 我们有一个神经网络，它接收输入x，包含一个隐藏层，该隐藏层由一个使用tanh激活函数的神经元组成，以及一个使用sigmoid激活函数的输出神经元。 因此，RNN的第一步看起来是这样的： 术语解释：我们将每一步称为一个隐藏状态,所以，上面的描述就是RNN的
………………………………
