Deep learning Keras的LSTM输入中的时间步长和特征之间的差异。有人能举例说明吗？

我正试图建立一个LSTM模型来使用Keras训练序列。我在这里浏览了一些帖子，但找不到一个解说词来解释在RNN或LSTM的上下文中，样本、特征和时间步意味着什么

样本。一个序列就是一个样本。批次由一个或多个样品组成

时间步长。一个时间步长是样本中的一个观察点

---

特征。一个特征是在一个时间步进行一次观察。

采样。一个序列就是一个样本。批次由一个或多个样品组成

时间步长。一个时间步长是样本中的一个观察点

---

特征。一个特征是一个时间步一个观测值。

让我举例说明：[[1,2]，[2,3]，[3,4]，[4,5]，[5,6]]这个数组被视为一个序列（样本），在这个序列中有五个时间步[1,2]，[2,3]，[3,4]，[4,5,6]在每个样本中有两个特征检查这个链接让我举例说明：[[1,2]，[2,3]，[3,4]，[4,5]，[5,6]]此数组被视为1个序列（样本）。在此序列中，有五个时间步[1,2]、[2,3]、[3,4]、[4,5]、[5,6]。在每个样本中有两个功能检查此链接