SimpleRNN의 문제점 입력 데이터가 길어질수록 (타임스텝이 커질수록) 학습능력이 떨어진다. = 장기의존성 (Long-Term Dependency)문제 입력과 출력사이의 길이가 멀어질수록 연관 관계가 적어진다. LSTM simpleRNN과 다르게 복잡하다. c: 셀 상태를 나타내는 기호 ht와 함께 셀 상태가 전달된다. [recap] sigmoid함수: 0~1범위의 출력을 낸다 시그모이드 함수 => 정보 통과 게이트 역할 (0이면 입력된 정보 통과 X, 1이면 100% 통과) 예제 (SimpleRNN & LSTM 비교) 곱셈 문제: 100개의 실수중 마킹된 두 개의 숫자만 곱한다. -학습 데이터 X=[] Y=[] for i in range(3000): #0~1 랜덤한 숫자 100개 생성 lst = n..