长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中，这个重复的结构模块只有一个非常简单的结构，例如一个tanh层。LSTM是一种含有LSTM区块（blocks）或其他的一种类神经网络，文献或其他资料中LSTM区块可能被描述成智能网络单元，因为它可以记忆不定时间长度的数值，区块中有一个gate能够决定input是否重要到能被记住及能不能被输出output。图1底下是四个S函数单元，最左边函数依情况可能成为区块的input，右边三个会经过gate决定input是否能传入区块，左边第二个为input gate，如果这里产出近似于零，将把这里的值挡住，不会进到下一层。左边第三个是forget gate，当这产生值近似于零，将把区块里记住的值忘掉。第四个也就是最右边的input为output gate，他可以决定在区块记忆中的input是否能输出 。LSTM有很多个版本，其中一个重要的版本是GRU（Gated Re

基于LSTM的A2C 该存储库提供了IEEE Communications Letters中论文“用于基于用户移动性的网络切片中的资源管理中基于LSTM的Advantage Actor-Critic学习”的代码。 请注意，这是一个研究项目，从定义上讲是不稳定的。 如果发现不正确或奇怪的地方，请写信给我们。 我们在共享全部或部分代码必须引用本文的条件下共享代码。 @article {li2020lstm， title = {用于基于用户移动性的网络切片中的资源管理的基于LSTM的优势演员批判性学习}， 作者= {李荣鹏和王楚杰和赵智峰和郭荣彬和张洪刚}， journal = {IEEE Communications Letters}， 年= {2020}， 发布者= {IEEE} }

使用torch搭建LSTM实现对羽毛球动作的实时训练并预测，本文将其分为数据集制作、数据处理、模型搭建以及可视化几个步骤

LSTM_Kalman预测温度代码，可直接运行，内有程序使用说明。