- RNN :循环神经网络
- LSTM:RNN的优化版本
- 略
- 略
- 略
- 略
- 略
- 不同的是前一个时间点的结果也作为输入参数穿到本次结果.
- 略
- RNN的不足:时间序列长度问题(记忆能力有限)
- RNN的不足:传统的RNN很难稳定训练(使用导数方式)。
- LSTM能够解决上述痛点。
- LSTM让每一个运算变得复杂。
- 多出来的概念:
- Forget Gate
- Input Gate
- Current State
- Output Layer
- 加一些东西,定义要不要记住,有什么前提条件等等.(背后设计理念理解就可以)
- 常用的是LSTM和GRU(Gated Recurrent Unit).
- 应用场景
- input不是Sequence,Output是序列的.
- 譬如输入图片,输出文字。
- input是Sequence,Output是Single level.
- 譬如视频分类,图片分类,财经分析。
- input是Sequence,Output是Sequence
- 语音翻译,中文翻译成英文。
- input不是Sequence,Output是序列的.
- NLP自然语言处理
- 语音识别.
- 看完一个视频,生成一句话描述这个视频
- 视频分类.
- 程序自动写诗.
- 推荐阅读.