lstm，lstm 是深度学习算法吗

本文目录一览

1，lstm 是深度学习算法吗
2，lstm 128个神经元怎么理解
3，lstm和external memory的区别
4，LSTM神经网络输入输出究竟是怎样的
5，LSTM 神经网络输入输出究竟是怎样的
6，LSTM神经网络输入输出究竟是怎样的

1，lstm 是深度学习算法吗

深度学习算法目前主流是DNN(全连接)、CNN(卷积)、RNN(递归)等，而LSTM属于RNN中最有代表性的一类。

属于。lstm是rnn的进阶。

lstm 是深度学习算法吗

2，lstm 128个神经元怎么理解

lstm一个cell表示一个神经元，128个神经元表示每一个输入Xt同时传给128个lstm cell。也就是说每一次输入都有128个cell与之相连

好难理解。再看看别人怎么说的。

lstm 128个神经元怎么理解

3，lstm和external memory的区别

LSTM（Long Short-Term Memory,LSTM）是一种时间递归神经网络，论文首次发表于1997年。由于独特的设计结构，LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件。

没看懂什么意思？

lstm和external memory的区别

4，LSTM神经网络输入输出究竟是怎样的

每个时刻的输入都是一个向量，它的长度是输入层神经元的个数。在你的问题中，这个向量就是embedding向量。它的长度与时间步的个数（即句子的长度）没有关系。每个时刻的输出是一个概率分布向量，其中最大值的下标决定了输出哪个词。

lstm的三个门输出数字和向量的情况都有。门（input，forget，output）输出的维度和cell状态的维度一致即可。也就是说三个门的输出分别控制被控制向量（cell input，cell（t-1），cell（t））中的元素。举个例子，如果cell状态的维度是1，那么被控制向量（cell input，cell（t-1），cell（t））的维度也都是1，那么三个门的输出都是0-1之间的数字（选用sigmoid激活函数）；如果cell状态的维度是n，那么被控制向量（cell input，cell（t-1），cell（t））的维度也分别都是n，那么三个门的输出都是0-1之间的向量（选用sigmoid激活函数），且门输出向量的维度都是n。

5，LSTM 神经网络输入输出究竟是怎样的

当网络用着分类器时，一般输出层有两种方式确定： 1，m个，你的类别有三（汉字、字母、数字），所以输出层神经元数目为3个； 2，log2（m），即3或4个类别输出层神经元数目为2个，5至8个类别输出层神经元数目为3个，9至16个类别输出层神经元数目为4个。实际上由你自己决定，你想几个就几个！

6，LSTM神经网络输入输出究竟是怎样的

经网络利用现有的数据找出输入与输出之间得权值关系（近似），然后利用这样的权值关系进行仿真，例如输入一组数据仿真出输出结果，当然你的输入要和训练时采用的数据集在一个范畴之内。例如预报天气：温度湿度气压等作为输入天气情况作为输出利用历史得输入输出关系训练出神经网络，然后利用这样的神经网络输入今天的温度湿度气压等得出即将得天气情况当然这样的例子不够精确，但是神经网络得典型应用了。