Keras 辍学、正则化和批量规范化

关于Keras库中的LSTM层，我有几个问题

在LSTM层中，我们有两种辍学：辍学和反复辍学。根据我的理解，第一个将从输入中随机删除一些特征（将它们设置为零），第二个将在隐藏单元上执行（h_t的特征）。由于在LSTM网络中有不同的时间步，是单独应用于每个时间步还是仅应用一次，并且对每个步骤都是相同的

我的第二个问题是关于keras中LSTM层中的正则化子。我知道，例如，内核正则化器将正则化与输入相对应的权重。但我们对输入有不同的权重。 例如，输入门、更新门和输出门对输入使用不同的权重（对于h_Ut（t-1））也使用不同的权重）。那么，它们会同时被规范化吗？如果我只想规范其中一个呢？例如，如果我只想正则化输入门公式中使用的权重

最后一个问题是关于keras中的激活函数。在LSTM层中，我有激活和重复激活。默认情况下，激活是tanh，我知道在LSTM体系结构中，tanh使用了两次（用于h_t和存储单元的候选），sigmoid使用了3次（用于门）。那么，这是否意味着如果我将tanh（在keras的LSTM层中）更改为另一个函数，比如Relu，那么它将同时更改h_t和存储单元候选

如果这些问题中的任何一个都能得到回答，那就太完美了。非常感谢您抽出时间