堆叠LSTM网络结构图以及详解

堆叠LSTM的网络结构通常包含两部分：基础LSTM层和堆叠的LSTM层。下面是基本的网络结构图：

1. **基础LSTM层**：
- 输入门（Input Gate, i_t）: 控制新信息的进入。
- 遗忘门（Forget Gate, f_t）: 决定忘记过去的信息。
- 输出门（Output Gate, o_t）: 选择保留下来供输出的信息。
- 状态细胞（Cell State, C_t）: 存储和更新关键状态。
- 记忆细胞（Memory Cell, h_t）: 上一时刻的记忆加上当前的新信息。

2. **堆叠LSTM层**：
- 每个LSTM层会接受来自底层LSTM的输出（h_t），并生成自己的隐藏状态和记忆细胞。
- 输入到每一层的是前一层的隐藏状态，而不是原始的输入。
- 这种层层相接的方式允许信息从底层逐渐向上层传播，每一层都能处理更复杂的时间序列模式。

整个过程可以表示为：
- 输入x通过第一层LSTM，得到隐藏状态h1。
- h1传递给第二层LSTM，生成h2。
- 以此类推，直到最顶层的LSTM输出最终的隐藏状态hT，这个状态可以用于分类、回归或其他下游任务。