LSTM神經網絡

       LSTM被廣泛用於許多序列任務（包括天然氣負荷預測，股票市場預測，語言建模，機器翻譯），並且比其他序列模型（例如RNN）表現更好，尤其是在有大量數據的情況下。 LSTM經過精心設計，可以避免RNN的梯度消失問題。消失梯度的主要實際限制是模型無法學習長期的依賴關係。但是，通過避免消失的梯度問題，與常規RNN相比，LSTM可以存儲更多的記憶（數百個時間步長）。與僅維護單個隱藏狀態的RNN

>>阅读原文<<