Lstm 의 특징은 무엇입니까?

Lstm (long short-$ TERM memory) 은 긴 시퀀스 훈련 중 그라데이션 사라짐과 그라데이션 폭발 문제를 해결하는 데 주로 사용되는 시간 재귀적 신경망 (RNN) 인 장기 단기 메모리 네트워크입니다. 간단히 말해서 LSTM 은 더 긴 시퀀스에서 일반 RNN 보다 더 잘 수행됩니다. LSTM 은 이미 많은 과학기술 분야에 적용되었다. LSTM 기반 시스템은 번역 언어, 제어 로봇, 이미지 분석, 문서 요약, 음성 인식, 이미지 인식, 필기 인식, 채팅 로봇 제어, 질병 예측, 클릭률 및 주식, 합성 음악 등을 배울 수 있습니다.

작동 원리

LSTM 과 RNN 의 주요 차이점은 알고리즘에 "프로세서" 를 추가하여 정보가 유용한지 여부를 판단한다는 것입니다. 이 프로세서의 구조를 세포라고 합니다.

감방에는 각각 입력문, 망각문, 수출문이라는 세 개의 문이 있다. 메시지가 LSTM 네트워크에 들어가면 규칙에 따라 유용한지 여부를 판단할 수 있습니다. 알고리즘 인증에 맞는 정보만 남기고, 맞지 않는 정보는 망각문을 통해 잊혀진다.

일진이출의 작동 원리일 뿐, 신경망이 오랫동안 반복해 온 큰 문제를 해결할 수 있다. LSTM 은 장차 의존 문제를 해결하는 효과적인 기술임이 입증되었으며, 이 기술은 매우 일반적이어서 많은 가능한 변화를 가져왔다. 연구원들은 LSTM 에 따라 자신의 버전의 변수를 제시하여 LSTM 이 끊임없이 변화하는 수직 문제를 처리할 수 있도록 했다.