循环神经网络RNN，存在短期记忆的问题。如果一个序列足够长，那么对于处在前部的词对后方的词的影响效果就会很有限。也就是说，如果前部的信息比较重要，在训练后方数据时，会遗漏许多前方的重要信息。
从权重角度分析，网络在反向传播过程中，网络梯度越往前越容易发生梯度消失，也就是说越往前梯度值越小，权重更新的少，对学习贡献越小。由于前方的层不学习，RNN忘记序列前面的内容，所以造成短期记忆。
LSTM的作用是，整合全部信息，使网络不止进行短时记忆，也具有长时记忆。
LSTM
Ct-1：上一时刻长时记忆输入
Ct：长时记忆输出
ht-1：上一时刻短时记忆输入
ht：短时记忆输出
xt：当前时刻输入
LSTM所有cell间参数共享
模型读文章的过程中，在读第1个字、第100个字、甚至最后一篇文章的最后一个字时，它使用的都是同一种思维方式。它不会每读一个字就换一个大脑。它用一套统一的规则来处理序列中的每一个元素。
整体分析
1.上方长时记忆C为一路，从始至终传递，每一层经过一定程度修正
2.下方短时记忆h为一路，进行当前时刻输入与短时记忆的运算，为原RNN部分的加强。
RNN基础上改变：
1.输入上多出了Ct-1，输出上多出了Ct。
2.在原对ht-1的处理中，加入了遗忘门，输入门，输出门
3.多引入了一次tanh非线性变化
遗忘门
σ表示Sigmoid函数，输出从0到1的值，决定Ct-1更新多少，或者说对上一时刻丢弃多少（0到1），故此称作遗忘门。换句话说，输入不是拿过来就全用。输出的信息涉及当前时刻和上一时刻短时输入。
函数关系式：上一时刻输入ht-1，和当前时刻输入 xt 做拼接。拼接后和遗忘门权重矩阵Wf做相乘。相乘后加偏置。结果进行Sigmoid处理。
实际应用中，C0和h0可以是全0向量。
输入门
σ表示Sigmoid函数，输出从0到1的值，决定输入 xt 更新多少。
函数关系式：
σ部分（it）：上一时刻输入ht-1，和当前时刻 xt 做拼接。乘权重矩阵Wi，加偏置，放入SIgmoid。如上。
Chead_t：上一时刻输入ht-1，和当前时刻 xt 做拼接。乘权重矩阵Wc，加偏置，放入tanh。
单元状态更新
遗忘门输出 ft 乘 Ct-1，加上输入门输出 it 乘 Chead_t。得到Ct，表示长时记忆，作为下一个cell的输入。
输出门
输出门得到ht，是本层的输出，是下一层的短时输入
ot部分：ht-1和xt作拼接，乘权重矩阵Wo，加偏置项，输入Sigmoid。
ht：Ct输入tanh，结果与ot相乘。
归纳
1.LSTM明显比RNN参数多多了
2.原图中黄色的部分，是layer，都涉及参数。粉色部分是单纯计算。
LSTM设计原理分析------为什么这么设计？
1.针对原RNN引入了长时记忆C，这部分是如何处理的？
从源头开始单独的支线，过程中受当前时刻输入和上一层短时记忆输入的影响，对长时记忆不断修正
2.为什么要分遗忘门和输入门两部分来修正C？他们各自发挥了什么作用？
关于遗忘门：当前时刻计算的信息，与Ct-1相乘，事实上是对上一时刻的长时记忆做了修正，决定了哪些长时记忆信息被丢弃或遗忘。
关于输入门：由Sigmoid处理和Tanh两种方法处理的Xt与ht-1得到。输出又由二者相乘得到。
C由遗忘门和输入门求和得到。（问题搁置继续挖掘）
3.为什么输入门要使用tanh和Sigmoid两种？为什么二者是相乘关系？
tanh函数有什么特点？答：-1到1，梯度平滑，能缓解梯度消失。追溯前文，短时记忆网络问题就是随着传播存在梯度消失，cell中两次引入都是为了减轻梯度消失问题。
Sigmoid函数什么作用？答：0到1，修正作用，用于对输入信息的更新。
二者相乘什么结果？答：处理梯度消失问题，并进行修正。
为什么要用遗忘门和输入门相加的结果来计算Ct？答：即保留对信息的修正，又保留修正后的tanh。Sigmoid控制的是0到1，即对信息更新多少。tanh控制的是-1到1，表示信息的正负倾向和强度。二者相乘含义是：用Sigmoid去调制tanh，即用决策向量it去调制内容向量Chead_t，以得到Ct。
4.为什么遗忘门和输入门相加得到Ct？
答：遗忘门是对旧信息的遗忘，输入门是获取新信息。二者相加，得到新信息。
5.为什么tanh（Ct）与修正信息相乘得到ht？
答：通过tanh缓解梯度消失，相乘部分参考输入门的处理方式。
6.如果只采用tanh会怎样？输入门、输出门分别分析。
输入门只采用tanh：长时记忆经过两次缩放（上一时刻输出门一次，当前时刻输入门一次），新信息未经缩放，新信息占比较大，此时，将无法长期稳定传递长时记忆。（事实上就是RNN）
输出门只采用tanh：输出全部信息，相对于有选择的输出，增加了许多的噪音。少一步Sigmoid，梯度变化更大。参数矩阵增加了模型表达能力。遗忘门只能控制信息的更新，控制不了上一时刻的输入。
7.如果只采用Sigmoid会怎样？输入门、输出门分别分析。
输入门只采用Sigmoid：去除了新信息的正负偏向
输出门只采用Sigmoid：去除了长时记忆的正负偏向，此外如果Sigmoid值很大梯度消失问题再现。