# 7.7.4~7.9.1
## LSTM變種
### Phase LSTM
解決不同維度的特徵，週期不一致的問題
[參考文獻](https://proceedings.neurips.cc/paper_files/paper/2016/file/5bce843dd76db8c939d5323dd3e54ec9-Paper.pdf)
### Peephole LSTM
增加窺視孔連接，允許各個門可以直接訪問元胞狀態，改進的記憶能力和對時間序列中細節的敏感性，特別適合於需要細緻時間建模的任務，如語音識別、時序數據預測等領域。


### Grid LSTM
這種模型最初是為了在多個維度上處理復雜的序列問題而設計的，例如，同時處理時間序列和空間序列數據。例如，在處理視頻數據時，一個維度可以是時間（用於捕捉動作和變化），另一個維度可以是空間（用於處理圖像的空間特徵）。Grid LSTM能夠同時在這兩個維度上學習模式，從而更有效地進行視頻分析。

## 門控循環單元(GRU)
$$\boldsymbol{R}_t=\sigma\left(\boldsymbol{X}_t \boldsymbol{W}_{x r}+\boldsymbol{H}_{t-1} \boldsymbol{W}_{h r}+b_r\right)$$

$$\boldsymbol{U}_t=\sigma\left(\boldsymbol{X}_t \boldsymbol{W}_{x u}+\boldsymbol{H}_{t-1} \boldsymbol{W}_{h u}+b_u\right)$$

$$
\widetilde{\boldsymbol{H}}_t=\tanh \left(\boldsymbol{X}_t \boldsymbol{W}_{x h}+\left(\boldsymbol{R}_t \odot \boldsymbol{H}_{t-1}\right) \boldsymbol{W}_{h h}+b_h\right)
$$

$$
\boldsymbol{H}_t=\boldsymbol{U}_t \odot \boldsymbol{H}_{t-1}+\left(1-\boldsymbol{U}_t\right) \odot \widetilde{\boldsymbol{H}}_t
$$


問題：

1.Phase LSTM 如何解決不同維度特徵週期不一致的問題？

2.Peephole LSTM 增加窺視孔連接的目的是什麼？