RNN隐藏层的两种计算方法GRU和LSTM

时间 2021-01-12

原文原文链接

本篇文章主要介绍两种RNN的隐藏层信息计算方法GRU（Gated Recurrent Units）和LSTM（Long-Short-Term-Memories），这两种隐藏层的计算方法通过引入门（Gate）的机制来解决RNN的梯度消失问题，从而学习到长距离依赖。这里说的隐藏层计算方法指的是如何计算下个时刻的隐藏层信息，标准RNN中计算方法是：而LSTM和GRU可以理解为计算ht的另一种方法

>>阅读原文<<

1. RNN、LSTM、GRU
2. RNN&LSTM&GRU
3. RNN - LSTM - GRU
4. RNN、GRU、LSTM
5. torch 的RNN LSTM GRU
6. RNN、LSTM、GRU、DeepRNN和BiLSTM
7. 浅谈RNN,LSTM和GRU
8. LSTM、GRU、 BRNN、Hierarchical RNN
9. RNN,LSTM,GRU学习
10. 详解RNN、LSTM、GRU
更多相关文章...
• Redis的两种备份（持久化）方式：RDB和AOF - Redis教程
• Spring实例化Bean的三种方法 - Spring教程
• 使用Rxjava计算圆周率
• 算法总结-广度优先算法