Python Keras-LSTMs中的核与递归核

我试图在脑海中画出LSTM的结构，但我不明白什么是内核和循环内核。根据LSTMs部分的内容，内核是四个矩阵乘以输入，递归内核是四个矩阵乘以隐藏状态，但是，这张图中的这四个矩阵是什么

大门在吗

我正在测试下面代码的

unit

变量如何影响内核、循环内核和偏差：

model = Sequential()
model.add(LSTM(unit = 1, input_shape=(1, look_back)))

使用

look\u back=1

它会返回以下信息：

当

unit=2

时，它返回给我这个

当

unit=3时

用这个值测试，我可以推导出这个表达式

---

但我不知道里面是怎么回事。什么是

或

u=units

内核基本上是LSTM单元处理的权重

单位=神经元，就像经典的多层感知器

它没有显示在您的图表中，但输入是一个具有1个或多个值的向量X，每个值都以其自身的权重w发送到神经元中（我们将通过反向传播学习）

四个矩阵为（表示为Wf、Wi、Wc、Wo）：

当您添加一个神经元时，您正在添加其他4个权重\内核

对于输入向量X，有四个矩阵。因此

1 * 4 * units = kernel

关于

循环的\u内核

。 基本上，在keras中，输入和隐藏状态不像示例图（W[ht-1，t]）中那样串联，但它们被拆分并与其他四个矩阵（称为U）一起处理：

因为有一个隐藏状态x神经元，所以权重U（全部四个U）为：

ht-1以一种循环的方式从你所有的神经元中出现。就像在多层感知器中一样，一个神经元的每个输出都进入下一个循环层神经元

资料来源：

units * (4 * units) = recurrent kernel