RNN存在着梯度消失的问题， 难以学习长期的依赖关系。如何解决RNN的梯度消失问题？ Long Short Term Memory (LSTM) 就是解决这个问题的。
上图是LSTM的一个整体结构。下面是LSTM的细节。下面的整个模块可以看成是一个Memory Cell。Cell的输入有三个， C_t-1， h_t-1, x_t， 输出有两个C_t, h_t; 三个门控组件。输入门i_t， 遗忘门f_t， 输出门o_t。 新的记忆 c^_t, 空心圆圈表示元素级相乘。
一个更加细节一点的示意图。
LSTM是怎么解决梯度消失的问题的？（明天继续）
Stanford NLP 第六课： Long Short Term Memory
原文：https://www.cnblogs.com/yangkang77/p/9142237.html