Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

422 | Capítulo 14: Redes Neurais Recorrentes (RNN)

Em resumo, uma célula LSTM pode aprender a reconhecer uma entrada importante (que

é o papel do input gate), armazená-la no estado de longo prazo, aprender a preservá-la

pelo tempo necessário (esse é o papel do forget gate) e aprender a extraí-la sempre que

for preciso. Isso explica por que elas têm sido surpreendentemente bem-sucedidas em

capturar padrões de longo prazo em séries temporais, textos longos, gravações de áudio

e muito mais.

A Equação 14-3 resume como calcular em cada intervalo de tempo para uma única

instância: o estado de longo prazo da célula, seu estado de curto prazo e su