ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

长度式记忆网络LSTM入门

2021-09-03 20:02:40  阅读:196  来源: 互联网

标签:状态 入门 tanh sigmoid 信息 相乘 记忆 LSTM


LSTM核心

1.单元状态(LSTM独有)

联系三个门的结构,为数据做更新。
1.与遗忘门结构相乘
2.与输入门结果相加
3.经过sigmoid函数计算
4.与输出门结果相乘
在这里插入图片描述

2.遗忘门:决定信息是否保存

方法: 通过sigmoid函数(上一个隐状态信息,当前输入信息)计算压缩为[0,1]的值,决定是否保留。近0丢弃,近1保留
在这里插入图片描述

3.输入门:更新单元状态

  • 1.通过sigmoid函数(上一个隐状态信息,当前输入信息)计算为[0,1]的值决定更新那些值,近0不主要,近1重要
  • 2.通过tanh函数(上一个隐状态信息,当前输入信息),计算出[-1,1]的值辅助调节
  • 3.将sigmoid函数和tanh相乘,sigmoid输出将决定保留tanh输出的重要信息
    在这里插入图片描述

4.输出门:决定下一个隐状态

  • 1.通过sigmoid函数(上一个隐状态信息,当前输入信息)产生[0,1]结果
  • 2.经过tanh(单元状态)的结果和1的结果相乘
    在这里插入图片描述

二.LSTM全流程(GIF)

在这里插入图片描述

标签:状态,入门,tanh,sigmoid,信息,相乘,记忆,LSTM
来源: https://blog.csdn.net/tyh751734196/article/details/120089155

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有