干货 | 循环神经网络LSTM的数学过程

小白学视觉

共 1283字,需浏览 3分钟

 ·

2021-03-15 10:25

击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

本文转自 | OpenCV学堂

引言

长短时记忆(long short term memory,LSTM)是一种有效的链式循环神经网络(recurrent neural network,R2 NN1),被广泛用于语言模型、机器翻译、语音识别等领域。[1]本文具体就LSTM的具体实现做出推导。

LSTM模型描述

01


因为传统的RNN在间隔不断增大的同时,会丧失学习到连接如此远的信息的能力。这个问题简称长期依赖问题,为了解决这个问题,LSTM通过刻意的设计来避免长期依赖问题。以下就是LSTM的结构图:

展开以后变成:

它与RNN的简单模型不一样的地方在于:

它是由记忆细胞、遗忘门、输入门、输出门组成。记忆细胞负责存储历史信息, 通过一个状态参数来记录和更新历史信息;三个门结构则通过Sigmoid函数决定信息的取舍, 从而作用于记忆细胞。[2]

遗忘门用来选择性忘记多余或次要的记忆

输入门决定我们需要更新什么值

输出门决定细胞状态的哪个部分输出出去

模型抽象和数学符号的说明

02


为了方便数学原理的推导,这里我们用下面的简略图代替:

前向传播算法

03


前向传播总体上就是对三个门进行计算,然后通过这三个门决定当前细胞的隐藏状态,更新当前记忆和过去的记忆,最终再计算出输出值传入下一次前向网络中:因为三个门的情况不仅取决于输入向量Xt,还取决于ht-1

反向传播算法

04



下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 28
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报