关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
yuboyao1012
2022-04-01 22:03
采纳率: 50%
浏览 26
首页
人工智能
LSTM既然有cell state为什么还要有输出门这种机制
神经网络
lstm
rnn
如图所示,cell state可以传输关键信息并且贯穿每个结构,个人认为和“输出”没什么不同
但是LSTM却单独设立了一个输出门来进行输出,虽然有些许差异(对信息进行了筛选),但是有必要这么做吗
收起
写回答
好问题
0
提建议
关注问题
微信扫一扫
点击复制链接
分享
邀请回答
编辑
收藏
删除
结题
收藏
举报
1
条回答
默认
最新
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
Wenweno0o
2022-04-02 09:46
关注
你的意思是说直接将当前输入x(t)与状态c(t-1)相乘计算?
本回答被题主选为最佳回答
, 对您是否有帮助呢?
本回答被专家选为最佳回答
, 对您是否有帮助呢?
本回答被题主和专家选为最佳回答
, 对您是否有帮助呢?
解决
无用
评论
打赏
微信扫一扫
点击复制链接
分享
举报
评论
按下Enter换行,Ctrl+Enter发表内容
查看更多回答(0条)
向“C知道”追问
报告相同问题?
提交
关注问题
如何理解
LSTM
中的
Cell
State
和 Hidden
State
?
2025-03-31 12:25
cda2024的博客
LSTM
是一种特殊的RNN,能够在处理长序列...它通过引入三个
门
控
机制
(输入
门
、遗忘
门
和
输出
门
)以及一个
Cell
State
来实现这一点。这些
门
控
机制
允许
LSTM
在网络中选择性地保留或丢弃信息,从而避免了传统RNN的梯度问题。
[图解
LSTM
实现]
cell
state
和hidden
state
和output
2023-03-28 11:56
子燕若水的博客
因此,尽管
LSTM
中的
cell
state
和hidden output都包含有关
LSTM
模型的信息,但它们的角色不同,
cell
state
是用于存储先前的信息和计算新的信息,而hidden output是用于
输出
当前时刻的信息。而hidden output则是
LSTM
的...
如何理解
LSTM
中的
cell
state
和 hidden
state
_
2024-12-20 17:19
yoggie尤的博客
LSTM
是一种特殊的RNN,能够在处理长序列...它通过引入三个
门
控
机制
(输入
门
、遗忘
门
和
输出
门
)以及一个
Cell
State
来实现这一点。这些
门
控
机制
允许
LSTM
在网络中选择性地保留或丢弃信息,从而避免了传统RNN的梯度问题。
LSTM
三个
门
控
机制
详解
2025-05-26 23:00
坐吃山猪的博客
LSTM
三个
门
控
机制
详解
AI
人工智能
领域
LSTM
:助力智能应用升级
2025-05-03 03:51
光子AI的博客
随着
人工智能
技术的快速发展,序列数据处理需求日益增长,如自然语言、时间序列、语音信号等。传统循环神经网络(RNN)在处理长序列时面临梯度消失/爆炸问题,导致长期依赖信息难以捕捉。
LSTM
(Long Short-Term ...
【深度学习】
LSTM
的
输出
output,hidden,
cell
之间的关系
2024-09-24 17:28
weixin_40293999的博客
output是最后一层所有hidden的collection, 但因为有双向
LSTM
。可以拿这一段代码来实验出来!,有了方向的参数真的好麻烦啊!!!!这也大概解释了,这里。但是可以看出来,它控制的还不够仔细应该是 outputs[-1]的...
LSTM
深度解析:从
门
控
机制
到实际应用
2025-08-30 22:33
不三不四୭的博客
当序列长度增加时,RNN 很难捕捉到序列中相隔较远的信息之间的依赖关系,
这种
现象被称为 "记忆健忘症"。同时,在反向传播过程中,梯度会随着时间步的推移而逐渐消失或爆炸,导致模型难以学习到长期依赖关系。...
LSTM
技术深度解析:架构、
门
控
机制
与应用优势
2025-04-29 14:45
you的日常的博客
LSTM
通过细胞状态和
门
控
机制
的创新设计,解决了传统RNN的梯度消失问题,实现了对长距离依赖关系的有效建模。其核心架构包含细胞状态和三个
门
控结构(遗忘
门
、输入
门
和
输出
门
),通过动态控制信息的流动,使模型能够...
LSTM
中的
Cell
和 Hidden 状态有什么区别?
2024-11-20 20:32
算法资料吧!的博客
这种
表格表示简洁地概述了
LSTM
网络中单元状态和隐藏状态之间的区别,强调了它们各自的功能、内存保留特性、对网络
输出
的影响以及在学习过程中的整体重要性。
unity导入
lstm
神经网络预测模型,为什么
输出
总是一个值?
2025-03-12 21:37
bug菌¹的博客
可能的原因: 在 Unity 中进行推理时,
LSTM
的隐藏状态(hidden
state
)和细胞状态(
cell
state
)没有正确初始化或传递,导致每次预测都从相同的状态开始,从而
输出
一个固定值。 解决方案: 在每次推理之前,确保...
没有解决我的问题,
去提问
向专家提问
向AI提问
付费问答(悬赏)服务下线公告
◇ 用户帮助中心
◇ 新手如何提问
◇ 奖惩公告
问题事件
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
创建了问题
4月1日