作者z123296 (supercat)
看板DataScience
标题[问题] LSTM weight
时间Mon May 18 22:14:28 2020
大家好，最近被教授要求要去了解RNN及LSTM，教授问了 LSTM里面
1.哪些weight有特徵提取的功能？
2.哪些weight有降维的功能？
我用LSTM 降维(dimension reduction) 特徵提取(feature extraction)以上组合去googl
e，但都好像没有比较适合的文章，当然也可能是我知识不足看不出来，想请教一下版上
各位的看法
先谢谢愿意回答的版友了
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 117.19.161.124 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1589811270.A.305.html
1F：推 email81227: 我猜是不是在讲内部不同gate的作用?05/18 22:20
原来如此，那可能是我误会教授的意思了...
※ 编辑: z123296 (117.19.161.124 台湾), 05/18/2020 23:24:01
2F：推 OnePiecePR: 10 -> RNN (3) -> DNN(2) 前面 42 个 fe, 後面8个 dr 05/19 17:00
3F：→ OnePiecePR: ? 我很浅 05/19 17:00
4F：→ Kazimir: 资料进短记忆和短进长应该是1想要问的吧 那这样2大概就是 05/20 02:15
5F：→ Kazimir: 资料'合'在一起的那些点 大概喇 05/20 02:21
7F：推 sxy67230: 查lstm+原理，去看一下就知道了。顺便给你一点提示，降 05/23 09:10
8F：→ sxy67230: 维代表意义是丢失不重要的信息後依然能保留大部分的信 05/23 09:10
9F：→ sxy67230: 息，提取是乘上权重後会透过权重加重重要特徵。 05/23 09:10
10F：→ sxy67230: lstm比rnn有效的原因是他引入了一个slow一个fast的cell 05/23 09:13
11F：→ sxy67230: state，比喻人类记忆能力就是长期记忆跟短期记忆 05/23 09:13