【LSTM和GRU极简,和最新的TT也就是状态】机器学习模型来学习状态

LSTM(长短期记忆网络)中的关键参数包括输入门、遗忘门、输出门、细胞状态和隐藏状态。以下是如何进行推理计算的示例:

LSTM参数和公式

  1. 输入门(i_t) :决定输入的信息量。

  2. 遗忘门(f_t) :决定遗忘上一个状态的信息量。

  3. 细胞状态(C_t) :存储长期信息。

  4. 输出门(o_t) :决定输出的信息量。

  5. 隐藏状态(h_t) :输出短期记忆。

推理计算示例

假设我们有以下输入数据和参数:

计算步骤

总结:训练所得四个权重,然后不停的更新状态,遗忘并输出

GRU 少了门,更新,重置,状态 3个权重。

相关推荐
逻辑君21 分钟前
认知神经科学研究报告【20260045】
人工智能·神经网络·机器学习
源码之家1 小时前
计算机毕业设计:Python医疗数据分析可视化系统 Flask框架 随机森林 机器学习 疾病数据 智慧医疗 深度学习(建议收藏)✅
python·机器学习·信息可视化·数据分析·flask·课程设计
初心未改HD1 小时前
机器学习之逻辑回归详解
人工智能·机器学习·逻辑回归
Yuezero_2 小时前
Latent Manifold理论分析
人工智能·算法·机器学习
摸鱼仙人~2 小时前
自动驾驶经验迁移到AI编码的可行性与方法论研究
人工智能·机器学习·自动驾驶
硅谷秋水2 小时前
MotuBrain:一种用于机器人控制的高级世界动作模型
机器学习·计算机视觉·语言模型·机器人
摸鱼仙人~2 小时前
AI Coding与自动驾驶技术的深度类比及幻觉问题解决方案借鉴
人工智能·机器学习·自动驾驶
Elaine3362 小时前
机器学习概述
人工智能·机器学习·华为云
初心未改HD2 小时前
机器学习之线性回归与岭回归详解
人工智能·机器学习·线性回归
数据门徒2 小时前
神经网络原理 第六章:支持向量机
神经网络·机器学习·支持向量机