Keras: разрешение по времени LSTM с помощью оглядки назад или количества слоев

Question

Если я посмотрю на свои данные с разными шагами назад, будет ли результат таким же / похожим, если я использую больше слоев LSTM? Или по-другому спросить, получу ли я также разные временные разрешения или большее количество слоев будет означать не разные временные разрешения, а только сложность и нелинейность шаблонов?

Зафиксирован ли LSTM на временном шаге для идентификации шаблонов или же LSTM также находит промежуточные / более короткие шаблоны?

Основная идея заключается в том, чтобы дать LSTM максимально возможный временной интервал, чтобы найти долгосрочные, средние и краткосрочные паттерны? Это правильный подход, или я должен кормить разные временные шаги для каждого диапазона?

Спасибо за вашу помощь

Answer 1

Как правило, LSTM могут фиксировать долгосрочные и краткосрочные зависимости в последовательности .Но Пэнфэй Лю и др. .поднял вопрос о том, что для длинных последовательностей важная информация с начала последовательности должна перетаскиваться через всю последовательность.

Они использовали группы LSTM, которые активируются в разное время.Таким образом, выступая в качестве кратковременной и долговременной памяти.

Есть мысли по этому поводу?