lstm

畅游人工智能之海--Keras教程之循环神经网络（三） 畅游人工智能之海--Keras教程之循环神经网络（三） | LSTM 如果用一句话总结LSTM的作用，它可以用来处理时序数据；如果用一句话总结卷积的作用，它用来处理空间数据。那如果是音频呢，图片随着时间变化，那我们就会想基于卷积和LSTM的结合来解决这个问题。 在处理图像时，我们通常先将数据处理成一维向量，这个过程一般通过卷积来完成，在得到了图像的一维卷积之后，我们就可以将数据接在LSTM上了

目前，在卷积神经网络领域中有许多可视化方面的研究，但是对于 LSTM 却没有足够的类似工具。LSTM （长短期记忆单元）网络的可视化能带来很有意思的结果，由于其包含时间相关性，我们除了可以在可视化图像的空间维度上探索数据之间的关联，还可以在时间维度上探索关联的稳健性。 对于长序列建模而言，长短期记忆（LSTM）网络是当前最先进的工具