LSTM(Long Short-Term Memory, 장기 기억 신경망)

🔹 LSTM이란?

LSTM(Long Short-Term Memory, 장기 기억 신경망)은 RNN의 한 종류로,
기억력이 짧은 RNN의 단점을 개선한 모델이에요!

✅ RNN은 연속된 데이터를 분석할 수 있지만, 기억력이 짧아서 “긴 문장”을 이해하지 못하는 문제가 있었어요.
✅ LSTM은 중요한 정보를 오랫동안 기억하도록 만들어진 RNN의 개선 버전!

👉 번역, 챗봇, 감정 분석, 음성 인식 등에서 RNN보다 훨씬 뛰어난 성능을 발휘해요! 🚀

🔹 RNN의 문제점 (기억력이 짧음!)

예를 들어, 긴 문장을 처리한다고 생각해봐요.

💬 “나는 어제 학교에서 아주 맛있는 햄버거를 먹었다.”

• 일반 RNN → “나는”을 기억해야 하지만, 너무 오래돼서 잊어버림
• LSTM → 중요한 정보(“나는”)를 오래 저장할 수 있음!

💡 즉, LSTM은 “중요한 정보”를 기억하고, “불필요한 정보”는 잊는 기능이 있어요!

🔹 LSTM의 핵심 구조 (3가지 게이트)

LSTM은 “기억을 관리하는 3가지 문(게이트, Gate)”를 가지고 있어요.

게이트	역할	설명
1. 망각 게이트 (Forget Gate)	필요 없는 정보 버림	“이건 중요하지 않으니 잊어버려!”
2. 입력 게이트 (Input Gate)	새로운 정보 추가	“이건 중요한 정보야! 기억하자!”
3. 출력 게이트 (Output Gate)	최종 결정	“결과를 출력할 때 이 정보를 사용할까?”

🔹 LSTM이 동작하는 과정

1️⃣ 과거 정보를 읽고 필요 없는 정보 삭제 (망각 게이트)
2️⃣ 새로운 정보 추가 (입력 게이트)
3️⃣ 최종 출력 결정 (출력 게이트)

📌 간단한 예제 (햄버거 먹은 이야기)
💬 “나는 어제 학교에서 아주 맛있는 햄버거를 먹었다.”

✅ 망각 게이트 → “어제”, “학교에서”는 중요하지 않으니까 버림
✅ 입력 게이트 → “햄버거”는 중요하니까 기억
✅ 출력 게이트 → “햄버거를 먹었다”라는 정보로 결과 생성

🔹 RNN vs LSTM 비교

비교 항목	RNN	LSTM
기억 유지 시간	짧음	김
기울기 소실 문제	O (문장이 길어지면 기억 못함)	X (오래 기억 가능)
처리 속도	빠름	느림 (하지만 성능 좋음)
사용 분야	짧은 문장 번역, 감정 분석	긴 문장 번역, 챗봇, 음성 인식

🔹 LSTM을 어디에 사용할까?

✔ 번역 → 긴 문장을 자연스럽게 번역
✔ 음성 인식 → 말을 알아듣고 텍스트로 변환
✔ 감정 분석 → 리뷰에서 “긍정/부정” 감정 분석
✔ 챗봇 → AI가 대화를 기억하며 자연스럽게 답변

🔹 결론 (LSTM은 RNN의 업그레이드 버전!)

✅ LSTM은 “기억력이 좋은 RNN”
✅ RNN은 기억력이 짧아 긴 문장을 이해하기 어려움
✅ LSTM은 중요한 정보를 오래 기억하고, 필요 없는 건 버릴 수 있음
✅ 번역, 음성 인식, 챗봇 같은 “긴 문장을 다루는 AI”에 필수적! 🚀

✔ 짧은 데이터 → RNN 사용 가능
✔ 긴 문장, 기억이 중요한 데이터 → LSTM이 최고! 🎯