如何为时间序列数据构建KERAS模型？

Question

我开始使用Keras而我正在尝试构建模型来训练我的数据。

数据是存储在3d数组中的时间序列，如图input data所示。 我正在尝试使用图层 LSTM 来对数据进行分类，但模型不会学习！这是使用的模型：

model <- keras_model_sequential() 
model %>% 
    layer_lstm(units = 32, return_sequences=TRUE, input_shape=c(timesteps, data_dim)) %>% 
    layer_lstm(units = 32, return_sequences=TRUE) %>% 
    layer_lstm(units = 32) %>% 
    layer_dense(units = num_classes, activation = 'softmax')%>% 
  compile(
    loss = 'categorical_crossentropy',
    optimizer = 'rmsprop',
    metrics = c('accuracy')
  ) 

我还想尝试使用卷积层，但我无法弄清楚如何设置模型（在这种情况下，目的是找到类似图像的信号）。有人可以帮我定义 LSMT 的简单模型和 CONV 的简单模型吗？