这篇论文所讲的内容就是作者借助三个著名的实验——TIMIT语音识别、手写字识别、复调音乐建模，来探索vanilla LSTM以及它的8个变体的性能差异；并且同时也探索了它们的共同影响因素。首先，对于vanilla LSTM可以参考2005年Graves&Schmidhuber的语音识别论文，即包含输入门、遗忘门、输出门、细胞单元、隐含单元，同时包括了细胞单元与各个门之间的peephole。而其他八个LSTM变体分别是：

    （1）没有输入门NIG

    （2）没有遗忘门NFG

    （3）没有输出门NOG

    （4）没有输入激活函数NIAF

    （5）没有输出激活函数NOAF

    （6）没有peepholeNP

    （7）将输入门与遗忘门耦合CIFG

    （8）全循环门FGR

文章通过三个实验比较它们之间的性能差异，得出的结论是：

    （1）vanilla LSTM的性能是最厉害的，其他八个变体并没有什么性能提升；

    （2）CIFG和NP严重降低了LSTM的性能；

    （3）遗忘门和输出门是LSTM结构最重要的两个部分，其中遗忘门对LSTM的性能影响十分关键，输出门影响了细胞单元的边界；

    （4）学习率和隐含层个数是LSTM最主要的调节参数，而动量因子被发现影响不大，高斯噪音的引入对TIMIT实验性能提升显著，而对于另外两个实验有降低性能的劣势；

    （5）超参分析表明学习率与隐含层个数之间并没有什么关系，因此可以独立调参，另外，学习率可以先使用一个小的网络结构进行校准，这样可以节省很多时间。