若当前时刻的输入音符序列为xt，上一个时刻的输出为ht-1，LSTM会通过sigmoid函数来控制产生一个ft值，通过这一个值来是否让上一时刻所学到的信息通过，如公式(3-1)。

是的，你说的很对。在LSTM中，通过门控机制来控制信息的流动。具体来说，每个时刻LSTM会根据上一个时刻的输出ht-1和当前时刻的输入xt来计算出一个候选记忆Ct以及三个门控信号：输入门i、遗忘门f和输出门o。其中，输入门i和遗忘门f的值都是通过sigmoid函数来计算的，它们的值分别表示是否将新的输入信息和上一时刻的记忆信息合并。而输出门o的值则是通过sigmoid函数来计算的，它的值表示当前时刻的输出是否需要被传递到下一时刻。

具体来说，在一个LSTM单元中，输入门i的计算公式如下所示：

i(t) = σ(Wi * [ht-1, xt] + bi)

其中，Wi和bi分别表示输入门的权重矩阵和偏置向量，[ht-1, xt]表示将上一个时刻的输出和当前时刻的输入拼接起来得到的向量，σ表示sigmoid函数。

遗忘门f的计算公式如下所示：

f(t) = σ(Wf * [ht-1, xt] + bf)

其中，Wf和bf分别表示遗忘门的权重矩阵和偏置向量，[ht-1, xt]表示将上一个时刻的输出和当前时刻的输入拼接起来得到的向量，σ表示sigmoid函数。

通过这两个门控信号的值，可以动态地控制上一时刻的记忆信息是否需要被遗忘，以及当前时刻的输入是否需要被记忆。

候选记忆Ct的计算公式如下所示：

C(t) = tanh(Wc * [ht-1, xt] + bc)

其中，Wc和bc分别表示候选记忆的权重矩阵和偏置向量，[ht-1, xt]表示将上一个时刻的输出和当前时刻的输入拼接起来得到的向量，tanh表示双曲正切函数。

最后，输出门o的计算公式如下所示：

o(t) = σ(Wo * [ht-1, xt] + bo)

其中，Wo和bo分别表示输出门的权重矩阵和偏置向量，[ht-1, xt]表示将上一个时刻的输出和当前时刻的输入拼接起来得到的向量，σ表示sigmoid函数。

通过这个输出门控制，LSTM可以根据当前时刻的输入和上一个时刻的输出来决定是否需要输出当前时刻的信息。