Neural network 为什么Graves LSTM单元有4+；7=深度学习中的11个重量4j？

为什么Graves LSTM层单元有11个重量，它们的用途是什么

下面给出的示例可以生成weigth列表：

MultiLayerNetwork model = new MultiLayerNetwork(new NeuralNetConfiguration.Builder()
        .list()
        .layer(0, new GravesLSTM.Builder()
                .nIn(1)
                .nOut(1)
                .activation("sigmoid")
                .weightInit(WeightInit.ZERO)
                .build()
                )
        .build());
model.init();

System.out.println("Weigths: " + model.paramTable());

out:

体重：

{0_W=[0.00,0.00,0.00,0.00]，0_RW=[0.00,0.00,0.00,0.00， 0.00,0.00,0.00]，0_b=[0.00,1.00,0.00,0.00]}

（11重+4偏压）

相反，这里是使用DenseLayer而不是GravelTM的输出：

重量：{0_W=0.00，0_b=0.00}

（1个权重+1个偏差，这很清楚。）

---

请加入Gitter上的DL4J社区。那里有很多人可以回答你的问题：我们已经在社区中回答了这个问题。额外的权重与LSTM拥有的额外门（例如：忘记门）有关。请加入Gitter上的DL4J社区。那里有很多人可以回答你的问题：我们已经在社区中回答了这个问题。额外重量与LSTM具有的额外闸门有关（例如：忘记闸门）