Redes Neurais Recorrentes Prof. Anderson Rocha Tavares Bloco 11 · Slide 1 / 1

Input Gate e Conteúdo Candidato

A input gate (quanto) e o candidato (o quê) agem juntos sobre a memória

🧠 LSTM — Input Gate e Candidato em Destaque

iₜ = σ(Wi · xₜ + Ui · hₜ₋₁ + bi)
c̃ₜ = tanh(Wc · xₜ + Uc · hₜ₋₁ + bc)
📐 Exemplo Numérico (dim = 2)
dim 1
dim 2
c̃ₜ =
0.60 0.70
iₜ =
0.40 0.80
iₜ ⊙ c̃ₜ =
0.24 0.56
dim 1: 0.40 × 0.60 = 0.24  |  dim 2: 0.80 × 0.70 = 0.56

💡 Quanto Escrever e O Quê Escrever

🚦
Input gate iₜ — intensidade

Controla quanto de cada dimensão do candidato é absorvido. Valores em [0,1]. No exemplo: dim 1 absorve 40%, dim 2 absorve 80%.

📝
Candidato c̃ₜ — conteúdo

Propõe o conteúdo a ser escrito. Saída de tanh, valores em [−1, 1]. Calculado com as mesmas entradas que iₜ (xₜ e hₜ₋₁).

✂️
Papéis distintos

iₜ decide quanto entrar; c̃ₜ decide o quê entrar. Um candidato rico pode ser bloqueado por uma porta fechada.

🎛️
Por dimensão

Cada dimensão do vetor tem sua própria intensidade de entrada (iₜ) e seu próprio conteúdo candidato (c̃ₜ).

🔗 Juntos, iₜ ⊙ c̃ₜ determina a nova informação a incorporar à memória — no exemplo: [0.24, 0.56].
➡️ Com fₜ ⊙ cₜ₋₁ e iₜ ⊙ c̃ₜ calculados, podemos agora atualizar a memória cₜ.