如何为自定义损失函数访问keras的LSTM模型中先前时间步的值？

Question

我正在尝试使用LSTM模型预测股票价格。但是，由于数据嘈杂，我需要具有惩罚常数的自定义损失。我不知道如何从先前的时间步tho中获得数据（给定代码中的参数“ prev”）

我正在使用以下条件进行此操作： 较低的常量，如果（true-prev）（pred-prev）> 0，则较高的常量

def custom_loss(true,pred,prev):
    beta=0.5
    condition = (true-prev)(pred-prev) 
    if condition > 0:
        return K.mean(beta*K.square(true-pred))
    else:
        return K.mean((2-beta)*K.square(true-pred))

#model
model = Sequential()
model.add(LSTM(units=50, return_sequences = True, input_shape=(features_set.shape[1], X.shape[1])))  
model.add(Dropout(0.2)) 

model.add(LSTM(units=50, return_sequences = True))
model.add(Dropout(0.2)) 

model.add(LSTM(units=50, return_sequences = True))
model.add(Dropout(0.2)) 

model.add(LSTM(units=50))
model.add(Dropout(0.2)) 

model.add(Dense(units = X.shape[1]))  

opt = Adam(lr=0.01, beta_1=0.9, beta_2=0.999, decay=0.01)

model.compile(optimizer = opt, loss = custom_loss, metrics = ['accuracy']) 


model.fit(features_set, labels, epochs = 100, batch_size = 32, verbose=1)

由于自定义损失仅取决于真实值和预测值，我如何获取上一个时间步长的值？