正如其名它是长时记忆和短时记忆相结合
RNN中将序列信息进行运用，但是也存在他的缺点就是随着时间序列的长度增加，产生梯度消失和梯度爆炸问题，因此长期记忆能力有限，所以引出LSTM。（但是对于较短的序列，RNN 可能能够较好地学习到其中的模式和关系。）
LSTM相当于给RNN模块增加了一个笔记本以达到长期记忆的效果
LSMT模块：
LSTM主要包含四个门（遗忘门 、输入门 、候选记忆 和输出门）来决定当前时刻的隐状态和记忆单元如何更新。对于每个时间步，LSTM会基于当前的输入和上一时刻的隐状态以及记忆单元来进行计算。
LSTM的一些核心公式：
遗忘门（Forget gate）决定上一时刻的记忆单元中有多少信息被遗忘：
输入门（Input gate）决定当前时刻输入的信息有多少被存储在记忆单元中：
候选记忆（Candidate memory）决定当前输入的候选记忆内容：
更新记忆单元（Update cell state）基于遗忘门和输入门来更新记忆单元：
输出门（Output gate）决定当前时刻的输出（隐状态）：
计算隐状态（Output hidden state）：
