시계열 알고리즘
시간의 흐름에 따라 기록된 데이터(시계열 데이터)를 분석하여
패턴, 추세, 계절성 등을 파악하고 미래를 예측하는 알고리즘이다.
RNN
내부에 순환 구조(Recurrent Structure)를
가지고 있어 이전 단계의 정보를 현재 단계의 계산에 반영한다.
즉, '기억'을 가지고 데이터를 처리한다.
RNN의 약점
- 기울기 소실
- 기울기 폭주
LSTM
RNN의 치명적인 단점인 장기 의존성 문제를 해결하기 위해
고안된 특별한 형태의 RNN이다.
CELL STATE , CS
(게이트는 바로 이 정보를 얼마나 기억하고, 얼마나 잊을지”를 조절하는 장치)
LSTM은 이 두개의 정보의 흐름을 이용하여 RNN보다 더 효율적이다.