作者z123296 (supercat)
看板DataScience
標題[問題] LSTM weight
時間Mon May 18 22:14:28 2020
大家好，最近被教授要求要去瞭解RNN及LSTM，教授問了 LSTM裡面
1.哪些weight有特徵提取的功能？
2.哪些weight有降維的功能？
我用LSTM 降維(dimension reduction) 特徵提取(feature extraction)以上組合去googl
e，但都好像沒有比較適合的文章，當然也可能是我知識不足看不出來，想請教一下版上
各位的看法
先謝謝願意回答的版友了
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 117.19.161.124 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1589811270.A.305.html
1F：推 email81227: 我猜是不是在講內部不同gate的作用?05/18 22:20
原來如此，那可能是我誤會教授的意思了...
※ 編輯: z123296 (117.19.161.124 臺灣), 05/18/2020 23:24:01
2F：推 OnePiecePR: 10 -> RNN (3) -> DNN(2) 前面 42 個 fe, 後面8個 dr 05/19 17:00
3F：→ OnePiecePR: ? 我很淺 05/19 17:00
4F：→ Kazimir: 資料進短記憶和短進長應該是1想要問的吧 那這樣2大概就是 05/20 02:15
5F：→ Kazimir: 資料'合'在一起的那些點 大概喇 05/20 02:21
7F：推 sxy67230: 查lstm+原理，去看一下就知道了。順便給你一點提示，降 05/23 09:10
8F：→ sxy67230: 維代表意義是丟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，提取是乘上權重後會透過權重加重重要特徵。 05/23 09:10
10F：→ sxy67230: lstm比rnn有效的原因是他引入了一個slow一個fast的cell 05/23 09:13
11F：→ sxy67230: state，比喻人類記憶能力就是長期記憶跟短期記憶 05/23 09:13