x0结果输出时，不仅会直接输出h0，还有一部分会与x1进行融合从而输出h1，x2时也同理，这样网络就会考虑到时间的前后信息
但如果输入信息很多，到x10000，那么x0的信息还需要考虑吗，有可能就根本不重要，所以就引入了LSTM（长短时记忆网络）
C为控制参数决定什么样的信息会被保留什么样的会被遗忘
⊗⊕是门，是一种让信息选择式通过的方法
相关推荐
AIGC科技1 分钟前
焕新而来，境由AI生｜AIRender升级更名“渲境AI”，重新定义设计渲染效率出来吧皮卡丘5 分钟前
A2UI：让 AI Agent 自主构建用户界面的新范式nju_spy9 分钟前
深度强化学习 TRPO 置信域策略优化实验（sb3_contrib / 手搓 + CartPole-v1 / Breakout-v5）程序员欣宸12 分钟前
LangChain4j实战之四：集成到spring-bootcmdyu_12 分钟前
告别 LLM 输出的不确定性：深度解析 TypeChat 如何重塑 AI 工程化开发想你依然心痛13 分钟前
AI赋能编程语言挑战赛：从Python到Rust，我用AI大模型重塑开发效率测试人社区-千羽15 分钟前
AR/VR应用测试核心要点与实施策略人工智能技术咨询.23 分钟前
DNN案例一步步构建深层神经网络机器之心25 分钟前
让谷歌翻身的Gemini 3，上线Flash版bryant_meng28 分钟前
【Depth Estimation】learning notes