概念双向长短期记忆网络 / Bidirectional LSTM
BiLSTM
双向长短期记忆网络，能同时利用过去和未来的上下文信息捕捉时间序列前后依赖，常与Transformer结合用于金融预测等序列建模任务。
时间轴 (近 90 天)
10月12日
开发者构建的短期BTC/USDT价格方向预测系统采用Transformer架构结合BiLSTM和交叉注意力机制，训练样本约150万条，模型方向准确率约60%，相比约52%的基线有明显提升。
待验证50%
9月29日
双向LSTM同时从左到右和从右到左扫描文本，将两个方向的隐藏状态拼接后送入分类头
待验证50%
9月15日
该模型使用堆叠的多核卷积将句子级嵌入组合成句间表示，用双向LSTM建模跨度较长的依赖关系
待验证50%
8月25日
2019年前后的NLP模型（如CRF、BiLSTM）参数量通常在千到万级别，主要用于序列标注、意图识别等特定任务
待验证50%