卷积神经网络与长短轴时间序列模型
今天，我加入了一个群，本来以为和正常的群一样，随意吹水。
讲了一下rnn，讲了一下lstm。结果，一位毕业两年的北大硕士研究生，突然蹦出来问我。lstm如何避免梯度爆炸。梯度消失。
所以，从基础的讲，rnn是怎么逐渐被lstm替代的。
在百度上rnn的解释是：
循环神经网络，Recurrent Neural Network。神经网络是一种节点定向连接成环的人工神经网络。这种网络的内部状态可以展示动态时序行为。不同于前馈神经网络的是，RNN可以利用它内部的记忆来处理任意时序的输入序列，这让它可以更容易处理如不分段的手写识别、语音识别等。
而lstm的解释是：
LSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。
那么语言是晦涩的，我们用图片去说明一下
上面的图是百度到的lstm的流程图。
那么对应的也会有rnn的流程图
言简意赅的去讲。
RNN与最大的不同之处就是在层之间的神经元之间也建立的权连接
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20180713G126WZ00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
