使用前馈神经网络而不是 LSTM？

Question

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 可以替代 LSTM 网络吗？如果我可以获取过去的值并将它们用作输入特征，为什么我应该更喜欢 LSTM 而不是 FFNN？

Answer 1

LSTM 也是一个带有记忆单元和循环连接的前馈神经网络。 LSTM 是一种优化的 NN 算法，因为它可以处理消失和探索梯度的问题，并且可以处理长期依赖关系。显然，您可以通过使用有效的神经网络架构自定义输入层信息来使用 FFNN，这不是 LSTM 的替代品。