Keras：通过回顾或层数确定的LSTM时间分辨率
如果使用不同的回溯步骤查看数据，如果使用更多的LSTM层，结果是否相同/相似？或者换个角度问，我是否也会获得不同的时间分辨率，或者更多的层不意味着不同的时间分辨率，而只是模式的复杂性和非线性 LSTM是否固定在识别模式的时间步长上，或者LSTM是否也会找到中间/较短的模式 核心思想是为LSTM提供尽可能长的时间步长，以发现长期、中期和短期模式？这是一种有效的方法，还是应该为每个范围提供不同的时间步长Keras：通过回顾或层数确定的LSTM时间分辨率,keras,lstm,pattern-recognition,Keras,Lstm,Pattern Recognition,如果使用不同的回溯步骤查看数据，如果使用更多的LSTM层，结果是否相同/相似？或者换个角度问，我是否也会获得不同的时间分辨率，或者更多的层不意味着不同的时间分辨率，而只是模式的复杂性和非线性 LSTM是否固定在识别模式的时间步长上，或者LSTM是否也会找到中间/较短的模式 核心思想是为LSTM提供尽可能长的时间步长，以发现长期、中期和短期模式？这是一种有效的方法，还是应该为每个范围提供不同的时间步长 感谢您的帮助通常，LSTM可以按顺序捕获长期和短期依赖关系。 但是提出了一个问题，即对于长序列，
感谢您的帮助通常，LSTM可以按顺序捕获长期和短期依赖关系。 但是提出了一个问题，即对于长序列，必须将序列开头的重要信息拖过整个序列 他们使用在不同时间激活的LSTM组。因此，作为短期和长期记忆 有什么想法吗