LSTM既然有cell state为什么还要有输出门这种机制

相关推荐 更多相似问题

• RNN 展开实现LSTM按时间步迭代时，有必要令reuse=true么？ tensorflow人工智能深度学习神经网络自然语言处理

  2019-04-06 15:23
  回答 1 已采纳 看你的数据是怎样的，如果每组数据之间在时序上独立，就不要reuse，否可可以use。简单来说，不用reuse，也就是不共享权值不会有什么大影响，但是错误用了它，会导致正确率不上升。
• 请问最后一个cell输出作为q在哪篇参考文献里面的 人工智能机器学习深度学习

  2022-07-18 00:49
  回答 1 已采纳 应该没有出处，结合注意力机制原理：最后一个cell可以表示整个文本的特征，在注意力机制里就是一个给定的目标，因此可作为查询值query，然后和key计算权重系数，再和value加权求和。
• 多特征预测单值的LSTM模型的训练 lstm人工智能深度学习

  2022-04-14 13:54
  回答 1 已采纳 有可能是数据问题，loss是求的sum等情况，或者loss没有归一化的话，大于10都是有可能的，也就是说你loss的值不作为评判标准，主要是看你loss是否下降，loss是否收敛可以训练完看看，如果过
• 为什么LSTM可以缓解梯度消失？

  2021-03-10 23:20
  了不起的赵队的博客   早些时候写了一篇关于RNN/LSTM的博客，介绍了RNN、LSTM的基本原理，其中提到了RNN梯度消失的问题，借机引出了LSTM。当时的文章中只写到了LSTM可以缓解梯度消失，但没有写明原因，原因是当时太想当然了，没有仔细...
• Keras LSTM实现多维输入输出时序预测实践详解

  2021-03-09 21:32
  肖永威的博客 自古以来，我们就希望预知未来，现如今，随着大数据人工智能技术的发展，我们早已经不满足传统的同比、环比等数据分析方法，但是时间序列趋势预测的传统算法又很专业，很难用于日常生产经营中。 深度学习神经网络为...
• 没有解决我的问题, 去提问