计算机视觉与深度学习 ｜ LSTM原理，公式，代码，应用

LSTM（长短期记忆网络）详解

一、原理

LSTM（Long Short-Term Memory）是RNN的改进版本，通过引入门控机制（输入门、遗忘门、输出门）和细胞状态（Cell State），有效解决传统RNN的梯度消失/爆炸问题，擅长捕捉长距离依赖关系。

核心思想：

1. 细胞状态（C_t）：贯穿整个时间步的“记忆通道”，选择性保留或遗忘信息。
2. 门控机制：
   • 遗忘门：决定从细胞状态中丢弃哪些信息。
   • 输入门：决定将哪些新信息存入细胞状态。
   • 输出门：决定当前时间步的输出。

二、公式

LSTM单元的计算公式如下：

1. 遗忘门