LSTM重量矩阵解释

Question

考虑Keras中的以下代码来构建LSTM模型。

    model = Sequential()
    model.add(LSTM(30, input_dim=22,return_sequences=True, init = 'glorot_uniform'))

    model.add(TimeDistributed(Dense(1)))
    model.compile(loss='mean_squared_error', optimizer='Nadam')

    model.fit(train3d, trainY3d, nb_epoch=100, batch_size=8)

可以看出，只有1个LSTM层。我看到有14个矩阵作为输出。如果你检查这个link，你会注意到LSTM层有4个三元组（输入门，忘记门，单元状态，输出门），W，U（参数矩阵）和b（偏置矢量）。然后，密集层有2个矩阵W和b。

我的问题是，对于1层LSTM的这种情况，有没有办法将100％的Y归因于所有i的每个输入要素X_i的影响。