深度学习——LSTM

LSTM（long short term memory）

能够让你可以在序列中学习非常深的连接 ,LSTM 即长短时记忆网络，甚至比 GRU更加有效

GRU and LSTM

记忆细胞 c ，使用𝑐̃<𝑡> = 𝑡𝑎𝑛ℎ(𝑊𝑐[𝑎<𝑡−1>, 𝑥<𝑡>] + 𝑏𝑐来更新它的候选值𝑐̃<𝑡>注意了，在LSTM 中我们不再有𝑎<𝑡> = 𝑐<𝑡>的情况，这是现在我们用的是类似于左边这个式子，但是有一些改变，现在我们专门使用𝑎<𝑡>或者𝑎<𝑡−1>，而不是用𝑐<𝑡−1>，我们也不用𝛤𝑟，即相关门。像以前那样有一个更新门𝛤𝑢和表示更新的参数𝑊𝑢，𝛤𝑢 = 𝜎(𝑊𝑢[𝑎<𝑡−1>, 𝑥<𝑡>] + 𝑏𝑢)，用遗忘门（the forget gate），我们叫它𝛤𝑓，所以这个𝛤𝑓 = 𝜎(𝑊𝑓[𝑎<𝑡−1>, 𝑥<𝑡>] + 𝑏𝑓),新的输出门，𝛤𝑜 = 𝜎(𝑊𝑜[𝑎<𝑡−1>, 𝑥<𝑡>]+> 𝑏𝑜)；于是记忆细胞的更新值𝑐<𝑡> = 𝛤𝑢 ∗ 𝑐̃<𝑡> + 𝛤𝑓 ∗ 𝑐<𝑡−1>,这给了记忆细胞选择权去维持旧的值𝑐<𝑡−1>或者就加上新的值𝑐̃<𝑡>，所以这里用了单独的更新门𝛤𝑢和遗忘门𝛤𝑓，最后𝑎<𝑡> = 𝑐<𝑡>的式子会变成𝑎<𝑡> = 𝛤𝑜 ∗ 𝑐<𝑡>.

LSTM

在这张图里是用𝑎<𝑡−1>， 𝑥<𝑡>一起来计算遗忘门𝛤𝑓的值，还有更新门𝛤𝑢以及输出门𝛤𝑜。然后它们也经过 tanh 函数来计算𝑐̃<𝑡>，这些值被用复杂的方式组合在一起，比如说元素对应的乘积或者其他的方式来从之前的𝑐<𝑡−1>中获得𝑐<𝑡>.

你在这一堆图中看到的，把他们连起来，就是把它们按时间次序连起来，输入𝑥<1>，然后𝑥<2>，𝑥<3>，然后你可以把这些单元依次连起来，这里输出了上一个时间的𝑎，𝑎会作为下一个时间步的输入，𝑐同理。你会注意到上面这里有条线，这条线显示了只要你正确地设置了遗忘门和更新门，LSTM 是相当容易把𝑐<0>的值一直往下传递到右边，比如𝑐<3> = 𝑐<0>。这就是为什么 LSTM 和 GRU 非常擅长于长时间记忆某个值，对于存在记忆细胞中的某个值，即使经过很长很长的时间步。

Q:GRU和LSTM选择哪个更好呢？
A:GRU 的优点是这是个更加简单的模型，所以更容易创建一个更大的网络，而且它只有两个门，在计算性上也运行得更快，然后它可以扩大模型的规模。
但是 LSTM 更加强大和灵活，因为它有三个门而不是两个。如果你想选一个使用，我认为 LSTM 在历史进程上是个更优先的选择，所以如果你必须选一个，我感觉今天大部分的人还是会把 LSTM 作为默认的选择来尝试。虽然我认为最近几年 GRU 获得了很多支持，而且我感觉越来越多的团队也正在使用 GRU，因为它更加简单，而且还效果还不错，它更容易适应规模更加大的问题。