zoukankan      html  css  js  c++  java
  • LSTM

    1.原始RNN的问题

    RNN 面临的较大问题是无法解决长跨度依赖问题,即后面节点相对于跨度很大的前面时间节点的信息感知能力太弱 。

    如 图 2.1.1( 图 片 来 源 :https://www.jianshu.com/p/9dc9f41f0b29)中的两句话:左上角的句子中 sky 可以由较短跨度的词预测出来,而右下角句子中的 French 与较长跨度之前的 France 有关系,即长跨度依赖,比较难预测。 

           图 2.1.1 RNN 长跨度依赖问题的影响 

     长跨度依赖的根本问题在于, 多阶段的反向传播后会导致梯度消失、梯度爆。可以使用梯度截断去解决梯度爆炸问题,但无法轻易解决梯度消失问题。 

     下面举一个例子来解释RNN梯度消失和爆炸的原因( 例子来源 :https://zhuanlan.zhihu.com/p/28687529

    假设时间序列有三段, 0为给定值,且为了简便假设没有激活函数和偏置,则 RNN 的前向传播过程如下: 

                                                      

                     

     2.LSTM

    LSTM 由 Hochreiter & Schmidhuber 于 1997 年提出,通过门控单元很好的解决了 RNN 长期依赖问题。 Sepp Hochreiter,Jurgen Schmidhuber.LONG SHORTTERM MEMORY.Neural Computation,December 1997. 

     

     

     

     

     3.总结

     

     

  • 相关阅读:
    vue 拖拽移动(类似于iPhone虚拟home )
    鼠标事件-MouseEvent【转】
    JS快速排序 希尔排序 归并排序 选择排序
    JS 继承
    Centos6 iptables 防火墙设置【转】
    centos6 mongodb 安装
    操作系统中涉及的各种调度算法
    循环队列
    队列
    栈(C++)
  • 原文地址:https://www.cnblogs.com/GumpYan/p/13570307.html
Copyright © 2011-2022 走看看