X

LSTM (Long Short Term Memory)

I. RNN 장기 의존성 문제 개선, LSTM

가. LSTM의 개념

개념도
개념 순환신경망의 장기 의존성 문제 해결하기 위해 셀 스테이트 기반 신경망 모델

나. 순환신경망의 장기 의존성 문제

  • RNN은 매번 Step마다 위 과정을 반복, 역전파 시 더 많은 곱셈 연산에 따른 경사 감소로 뒤 노드까지 영향 불가
  • Step t에서의 hidden layer : ht(ht-1Whh)Whh

 

II. LSTM의 구조 및 Layer 별 역할

가. LSTM의 구조


  • LSTM 핵심 아이디어: 셀 스테이트 (Cell State)
  • LSTM에 들어있는 4개 상호작용 레이어가 있는 반복 모듈

나. LSTM의 Layer 별 역할

구분 구성요소
Cell State – Input, Forget, Output 게이트의 정보 반영
Forget Gate – 반영 Data를 결정하는 게이트
Input Gate – 새로운 정보가 Cell State에 저장 여부
Update Gate – Forget, Input Gate 출력 시 Cell State 갱신
Output Gate – 출력 값 결정 단계

 

III. LSTM의 동작 절차

절차 개념도 설명
Drop정보
선택 과정
– Forget Gate Layer
– 시그모이드 레이어로
만들어짐
저장 정보
선택 과정
– Input Gate Layer
– 업데이트 Data 결정
– Cell State에 저장
출력 정보
선택 과정
– Output Gate Layer
– 출력 Data 결정
– 다음 노드로 전파

 

Categories: 알고리즘/AI
도리: