[問題] LSTM weight

[z123296 (supercat)]

大家好，最近被教授要求要去瞭解RNN及LSTM，教授問了 LSTM裡面
1.哪些weight有特徵提取的功能？
2.哪些weight有降維的功能？

我用LSTM 降維(dimension reduction) 特徵提取(feature extraction)以上組合去googl
e，但都好像沒有比較適合的文章，當然也可能是我知識不足看不出來，想請教一下版上
各位的看法

先謝謝願意回答的版友了

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 117.19.161.124 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1589811270.A.305.html
推 email81227: 我猜是不是在講內部不同gate的作用?
原來如此，那可能是我誤會教授的意思了...
※ 編輯: z123296 (117.19.161.124 臺灣), 05/18/2020 23:24:01
推 OnePiecePR: 10 -> RNN (3) -> DNN(2) 前面 42 個 fe, 後面8個 dr
→ OnePiecePR: ? 我很淺
→ Kazimir: 資料進短記憶和短進長應該是1想要問的吧 那這樣2大概就是
→ Kazimir: 資料'合'在一起的那些點 大概喇
→ salmon12706: https://reurl.cc/Ob8rpR
推 sxy67230: 查lstm+原理，去看一下就知道了。順便給你一點提示，降
→ sxy67230: 維代表意義是丟失不重要的信息後依然能保留大部分的信
→ sxy67230: 息，提取是乘上權重後會透過權重加重重要特徵。
→ sxy67230: lstm比rnn有效的原因是他引入了一個slow一個fast的cell
→ sxy67230:  state，比喻人類記憶能力就是長期記憶跟短期記憶