lstm有什麽特點？

Lstm (long short-$ TERM memory)是壹種長短期記憶網絡，是壹種時間遞歸神經網絡(RNN)，主要用於解決長序列訓練過程中的梯度消失和梯度爆炸問題。簡單地說，LSTM在更長的序列中比普通的RNN表現得更好。LSTM已被應用於許多科學技術領域。基於LSTM的系統可以學習翻譯語言，控制機器人，圖像分析，文檔摘要，語音識別，圖像識別，手寫識別，控制聊天機器人，預測疾病，點擊率和股票，合成音樂。

操作原理

LSTM和RNN的主要區別在於，它在算法中增加了壹個“處理器”，用來判斷信息是否有用。這個處理器的結構叫做細胞。

壹個牢房有三扇門，分別叫輸入門、遺忘門、輸出門。當壹個消息進入LSTM網絡時，可以根據規則判斷它是否有用。只會留下符合算法認證的信息，不符合的信息會通過遺忘門被遺忘。

無非是壹進兩出的工作原理，卻能解決神經網絡長期以來在重復運算下的大問題。目前已經證明LSTM是解決長階依賴問題的有效技術，而且這種技術非常通用，導致了很多可能的變化。研究人員根據LSTM提出了他們自己版本的變量，這使得LSTM能夠處理不斷變化的垂直問題。