回答思路
RNN是一类以序列数据为输入，在序列的演进方向进行递归，且所有节点单元按照链式连接的递归神经网络，RNN每一层的隐状态都由前一层的隐状态经过变换和激活函数得到。反向传播求导时最终得到的导数会包含每一步梯度的连乘，这会引起梯度爆炸或梯度消失。所以RNN很难处理"长程依赖"，即无法学到序列中蕴含的间隔较长的规律。
LSTM引入了包含遗忘门、输入门、输出门的cell状态结构，公式如下：
而对于LSTM模型而言，求解有
在LSTM迭代过程中，针对
49. LSTM解决了RNN的什么问题，如何解决
在LSTM迭代过程中，针对