点击关注 异步图书，置顶公众号
每天与你分享 IT好书 技术干货 职场知识
Tips【深度学习之美】关注于深度学习背后的原理，理论的应用，为大家科普的同时，加深对深度网络的理解,每周二在【异步图书】微信公众号，与你见面。
作者：于建民 某著名科技公司 高级算法工程师。主要从事新闻流的推荐算法、NLP相关工作，对图像处理、智能医疗、深度学习、对抗网络及对抗样本 有深刻理解。
对RNN网络中的LSTM结构学
对RNN网络中的LSTM结构学习下。翻译篇非常好的博客，原文地址附后面。
Recurrent Neural Network
人们从不会随意地开始自己的思考，当你在读这篇博文的时候，你根据之前所读的文字来理解现在每个词。并且，你也不会将前面的内容都丢掉，然后从新开始理解现在的内容，人的思路是具有延续性的。
传统的神经网络是没法做到上述事情的，这是一个很大的缺陷。举个栗子，假设你想要对电影里的某个时间点正在发生什么事情做判断。对传统神经网络来说，无法使用之前的发生的事情来推断后续发生的事情。
循环神经网络则可以解决这类问题，这种网络带有自循环结构，使得信息可以保存延续到下个时刻。
本文由 “启明之旅”独家授权，未经允许禁止转载
本文摘自CSDN，作者于建民 ，文章名称《译Understanding LSTM Networks》，点击阅读原文查看更多。
延伸推荐
点击关键词阅读更多新书：
长按二维码，可以关注我们哟
每天与你分享IT好文。
在“异步图书”后台回复“关注”，即可免费获得2000门在线视频课程；推荐朋友关注根据提示获取赠书链接，免费得异步图书一本。赶紧来参加哦！
扫一扫上方二维码，回复“关注”参与活动！
点击下方阅读原文，查看更多
