发表服务
在学习LSTM的时候，查阅了很多论文，将其分类整理于此，便于一些新学习LSTM的人据此寻找自己需要的论文。（都是一些经典论文，不包含前沿论文）1、序列预测问题SequenceonWikipedia.OnPredictionUsingVariableOrderMarkovModels,2004.SequenceLearning:FromRecognitionandPredictiontoSequentialDecisionMaking,2001.
2、LSTM尽管目前transformer是主流的趋势，但在一些项目中LSTM模型仍有应用。如果使用LSTM模型，建议使用AWD-LSTM来搭建项目。论文《LONGSHORT-TERMMEMORY》建议快速浏览以了解模型原理及细节论文地址：https://bioinf.jku.at
其实到这应该算是一个阶段了，如果你想继续深入可以具体看看几篇经典论文，比如LSTM以及各个改进对应的经典论文。还有楼上提到的《LSTM:ASearchSpaceOdyssey》通过从新进行各种实验来对比考查LSTM的各种改进（组件）的效果。挺有意义的，尤其
LSTM个多各样的变体如今很常见。下面就是一个，我们称之为深度双向LSTM：DB-LSTM（参见论文：End-to-endLearningofSemanticRoleLabelingUsingRecurrentNeuralNetworks）剩下的也不需要加以过多说明。让我们从CNN和LSTM…
这篇论文用大规模的数据对比了八种不同LSTM变体之间的效果。这八种变体有六种是去除经典LSTM中的一些计算组件得到的，用来验证其中一些组件的重要性；剩下两种一种是将inputgate和forgetgate合并的类似GRU的结构，还有一种是所有gate之间也有recurrent连接的fullgaterecurrent…
LSTM和其他网络组合还记得吗，output的维度等于隐藏层神经元的个数，即hidden_size，在一些时间序列的预测中，会在output后，接上一个全连接层，全连接层的输入维度等于LSTM的hidden_size，之后的网络处理就和BP网络相同了，如下图：用pytorch
LSTM之父JürgenSchmidhuber的访谈文章，他与SeppHochreiter在1997年发表的一篇论文中提出了LSTM...变得更加有人味一些。LSTM对于RNN来说是一个大的...
再这个two-stream的基础上又做了很多的改进工作，具体可以看看参考资料的论文。3.3modelinglong-termtemporaldynamics3.1与3.2用的都是CNN模型来做的。但也有一些为了提取视频的时序信息，采用RNN来建模的，通常用的都是LSTM；
长期序列：相隔一周以内的行为认为是用户的长期行为(不包含短期序列)短期序列：.1）日志中标记了同样的sessionID.2）虽然sessionID不相同，但是相邻的行为间隔小于10min.3）最长的session长度为50，超过50的划分到前一个session.这里论文没给出规则2,3的原因...
在此论文中，研究者们提出并探索了一种全新的嵌套LSTM架构（NestedLSTM，NLSTM)，并认为其有潜力直接取代堆栈LSTM。在NLSTM中，LSTM的记忆单元可以访问内部记忆，使用标准的LSTM门选择性地进行读取、编写。
在学习LSTM的时候，查阅了很多论文，将其分类整理于此，便于一些新学习LSTM的人据此寻找自己需要的论文。（都是一些经典论文，不包含前沿论文）1、序列预测问题SequenceonWikipedia.OnPredictionUsingVariableOrderMarkovModels,2004.SequenceLearning:FromRecognitionandPredictiontoSequentialDecisionMaking,2001.
2、LSTM尽管目前transformer是主流的趋势，但在一些项目中LSTM模型仍有应用。如果使用LSTM模型，建议使用AWD-LSTM来搭建项目。论文《LONGSHORT-TERMMEMORY》建议快速浏览以了解模型原理及细节论文地址：https://bioinf.jku.at
其实到这应该算是一个阶段了，如果你想继续深入可以具体看看几篇经典论文，比如LSTM以及各个改进对应的经典论文。还有楼上提到的《LSTM:ASearchSpaceOdyssey》通过从新进行各种实验来对比考查LSTM的各种改进（组件）的效果。挺有意义的，尤其
LSTM个多各样的变体如今很常见。下面就是一个，我们称之为深度双向LSTM：DB-LSTM（参见论文：End-to-endLearningofSemanticRoleLabelingUsingRecurrentNeuralNetworks）剩下的也不需要加以过多说明。让我们从CNN和LSTM…
这篇论文用大规模的数据对比了八种不同LSTM变体之间的效果。这八种变体有六种是去除经典LSTM中的一些计算组件得到的，用来验证其中一些组件的重要性；剩下两种一种是将inputgate和forgetgate合并的类似GRU的结构，还有一种是所有gate之间也有recurrent连接的fullgaterecurrent…
LSTM和其他网络组合还记得吗，output的维度等于隐藏层神经元的个数，即hidden_size，在一些时间序列的预测中，会在output后，接上一个全连接层，全连接层的输入维度等于LSTM的hidden_size，之后的网络处理就和BP网络相同了，如下图：用pytorch
LSTM之父JürgenSchmidhuber的访谈文章，他与SeppHochreiter在1997年发表的一篇论文中提出了LSTM...变得更加有人味一些。LSTM对于RNN来说是一个大的...
再这个two-stream的基础上又做了很多的改进工作，具体可以看看参考资料的论文。3.3modelinglong-termtemporaldynamics3.1与3.2用的都是CNN模型来做的。但也有一些为了提取视频的时序信息，采用RNN来建模的，通常用的都是LSTM；
长期序列：相隔一周以内的行为认为是用户的长期行为(不包含短期序列)短期序列：.1）日志中标记了同样的sessionID.2）虽然sessionID不相同，但是相邻的行为间隔小于10min.3）最长的session长度为50，超过50的划分到前一个session.这里论文没给出规则2,3的原因...
在此论文中，研究者们提出并探索了一种全新的嵌套LSTM架构（NestedLSTM，NLSTM)，并认为其有潜力直接取代堆栈LSTM。在NLSTM中，LSTM的记忆单元可以访问内部记忆，使用标准的LSTM门选择性地进行读取、编写。
发表服务