LSTM如何解决梯度消失
哪些问题？梯度消失会导致我们的神经网络中前面层的网络权重无法得到更新，也就停止了学习。梯度爆炸会使得学习不稳定， 参数变化太大导致无法获取最优参数。在深度多层感知机网络中，梯度爆炸会导致网络不稳定，最好的结果是无法从训练数据中学习，最坏的结果是由于权重值为NaN而无法更新权重。在循环神经网络（RNN）中，梯度爆炸会导致网络不稳定，使得网络无法从训练数据中得到很好的学习，最好的结果是网络不能在长输入数据序列上学习。原因何在？举个例子如上图，是一个每层只有一个神经元的神经网络，且每一层的激活函数
