本文目录一览

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！
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。

6，LSTM神经网络输入输出究竟是怎样的

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。
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。

文章TAG：lstm  lstm  是深度  学习  算法吗  
下一篇