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
灵动的艺术3 小时前
如一 Agent 架构解读（二十四）：Agent 高效率低成本思考Xxtaoaooo4 小时前
双11避坑：我用 WorkBuddy + TextIn xParse 做了个「避坑对比台」，商品详情图丢进去，参数矛盾自动现形昵称画4 小时前
交接班记录电子化：三班之间的信息不漏Navicat中国4 小时前
将 Navicat 的 AI 助手连接到本地 LLM“AI国潮设计-小江”4 小时前
【AIGC实战】Python+SDXL批量生成“潮汕英歌舞不倒翁”IP | 角色一致性与多场景融合方案，附完整代码点PY4 小时前
WeDetect论文精读CCC：CarCrazeCurator4 小时前
稀疏奖励 vs 稠密奖励：强化学习中的反馈带宽权衡骑着蜗牛撵大象3274 小时前
语音变分录、规则挡幻觉：拆解开源 AI 记账系统 Smart Ledger 的全栈设计墨染天姬4 小时前
[AI]Cursor Subagent 机制详解数睿数据无代码开发5 小时前
企业AI落地从高价值场景开始｜数睿数据《AI应用场景集》正式发布