通俗解释
普通 RNN 的梯度会随时间指数衰减。LSTM 用一条细胞状态“传送带”加输入门、遗忘门、输出门控制信息进出，解决了长期依赖。Transformer 出现前它统治序列建模，xLSTM 让它重返舞台。
用在哪里：语音识别、机器翻译（2014–2017）
时间轴 · 前置 → 当前 → 后继
01原始论文
Long Short-Term Memory
Hochreiter et al. · Neural Computation · 1997
DOI ↗ ✓ 已核实 · Crossref API doi:10.1162/neco.1997.9.8.1735
02知识位置
左边先学；右边是学完它之后可以学的。
先学
LSTM 长短期记忆网络
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：从零到深度学习
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
lstm)