【目的】目前双向长短期记忆网络（Long short term memory，LSTM）在语音识别、图像识别和情感分类等方面的应用越来越广泛，基于此研究如何提高双向LSTM的准确率。【方法】提出一种改进的双向LSTM，通过对LSTM中输入门与输出门激活函数的改进，并结合改进的学习率，能够大大地提高神经网络的收敛速度与准确率。【结果】在不同领域的数据集MNIST和IMDB上分别进行实验，改进的双向LSTM在MNIST数据集上的准确率达到了99.61%，比基准双向LSTM的准确率提高了1172%，在IMDB数据集上的准确率则达到了88.08%，比基准双向LSTM的准确率提高了1.6%，而且在两个数据集上在迭代次数较小的情况下，相比基准双向LSTM，改进的算法都达到了较高的准确率和较低的损失率。【结论】由此证明改进的双向LSTM优于基准双向LSTM。