如果我使用不同的回溯步骤查看我的数据，如果我使用更多LSTM图层，结果是否相同/相似？或者不同的问题，我是否也会获得不同的时间分辨率或更多的图层并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是否固定在用于识别模式的时间步长上，或者LSTM是否也找到了中间/较短的模式？
核心思想是为LSTM提供尽可能长的时间步长，以找到长期，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
答案 0 :(得分：0)
通常， LSTM可以捕获序列中的长期和短期依赖关系。 但是Pengfei Liu et al。提出了一个问题，即对于长序列，序列开头的重要信息必须拖过整个序列。
他们使用了在不同时间激活的LSTM组。因此，充当短期和长期记忆。
有什么想法吗？