讲的特别好的lstm:lstm介绍
1.simpleRNN
2.standardRNN
使用了隐含层的信息
3.
信息的表示:c^(t) = f(W.x(t) + U.y(t-1))
长时记忆单元:C(t) = gforget*C(t-1) + gin*c^(t)
输出:y(t) = gout*f(C(t))
隐状态:h(t) = y(t)
其中,gin,gout,gforget是三个控制门,控制门的取值范围是0-1,因此使用sigmoid为**函数。
4.
讲的特别好的lstm:lstm介绍
1.simpleRNN
2.standardRNN
使用了隐含层的信息
3.
信息的表示:c^(t) = f(W.x(t) + U.y(t-1))
长时记忆单元:C(t) = gforget*C(t-1) + gin*c^(t)
输出:y(t) = gout*f(C(t))
隐状态:h(t) = y(t)
其中,gin,gout,gforget是三个控制门,控制门的取值范围是0-1,因此使用sigmoid为**函数。
4.
相关文章: