EXCEL文件展示LSTM计算

1. 准备前向传播结果

在执行参数更新前，需要先完成 LSTM 的前向传播，得到：

• 各时间步的遗忘门输出、输入门输出、候选状态、输出门输出
• 细胞状态、隐藏状态，以及最终的损失值

这些是反向传播求梯度的基础。

2. 反向传播计算权重梯度从损失值出发，根据链式法则反向计算四个门控权重的梯度：

遗忘门权重梯度：∂L/∂Wf（本实验中该梯度为 0）
输入门权重梯度：∂L/∂Wi
候选状态权重梯度：∂L/∂Wc
输出门权重梯度：∂L/∂Wo
3. 更新输入门权重 Wi
采用梯度下降法更新输入门权重，公式：Wi_new = Wi_old - 学习率 × ∂L/∂Wi（学习率取 0.01）更新后，输入门权重在原基础上小幅调整，朝着降低损失的方向优化

4. 更新候选状态权重 Wc
同理，更新候选状态权重，公式：Wc_new = Wc_old - 学习率 × ∂L/∂Wc由于本次实验中梯度为负值，更新后的权重会在原基础上小幅上升

5. 更新输出门权重 Wo

最后更新输出门权重，公式：Wo_new = Wo_old - 学习率 × ∂L/∂Wo至此，完成了 LSTM 网络一轮完整的前向传播、反向传播与参数更新过程。