Neural network 预测一系列不均匀且稀疏的事件

我想训练一个神经网络来识别事件序列中的模式。从我所搜索到的，RNN，通常是LSTM，是有关序列预测的最新技术

我将使用的数据将是分散在房屋中的物联网传感器的事件，因此数据集高度依赖于用户，它是异构的（不同的传感器），并且时间稀疏（例如，在夜间，活动几乎没有）

我正在考虑对事件进行编码，并将其序列作为LSTM神经网络的输入来检测模式。 我的问题是，我可能没有足够的数据或事件类型来训练LSTM模型，这使得神经网络无法找到模式

我不知道预测树是否可以作为前缀树的一个选项（例如，如果每个事件都编码为一个字母）。我以前从未使用过神经网络，所以我对这个主题有点迷茫。。。有什么帮助或建议吗

提前谢谢