Machine learning 使用前馈神经网络代替LSTM？
LSTM问题可以表示为FFNN问题吗 LSTM神经网络只是回顾过去。但我也可以获取一些（或许多）过去的值，并将它们用作FFNN的输入特征Machine learning 使用前馈神经网络代替LSTM？,machine-learning,neural-network,artificial-intelligence,lstm,feed-forward,Machine Learning,Neural Network,Artificial Intelligence,Lstm,Feed Forward,LSTM问题可以表示为FFNN问题吗 LSTM神经网络只是回顾过去。但我也可以获取一些（或许多）过去的值，并将它们用作FFNN的输入特征 这样，FFNN能否取代LSTM网络？如果我可以将过去的值用作输入特征，为什么我更喜欢LSTM而不是FFNN？LSTM也是一种带有记忆单元和递归连接的前馈神经网络。LSTM是一种优化的神经网络算法，因为它可以处理消失和探索梯度的问题，并且可以处理长期的依赖关系。显然，您可以通过使用有效的神经网络体系结构自定义输入层信息来使用FFNN，这不是LSTM的替代品
这样，FFNN能否取代LSTM网络？如果我可以将过去的值用作输入特征，为什么我更喜欢LSTM而不是FFNN？LSTM也是一种带有记忆单元和递归连接的前馈神经网络。LSTM是一种优化的神经网络算法，因为它可以处理消失和探索梯度的问题，并且可以处理长期的依赖关系。显然，您可以通过使用有效的神经网络体系结构自定义输入层信息来使用FFNN，这不是LSTM的替代品