Неправильная форма ввода для lstm keras

Question

Я наткнулся на учебник, в котором автор использует сеть LSTM для прогнозирования временных рядов, например:

trainX = numpy.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))
testX = numpy.reshape(testX, (testX.shape[0], 1, testX.shape[1]))

model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)

Мы согласны с тем, что LSTM в этом действии похож на обычный NN (и бесполезен?), Поскольку LSTM получил только один шаг по времени без сохранения состояния = ИСТИНА. Я прав?

Answer 1

Вообще говоря, вы правы. Форма ввода должна быть (длина окна, особенности n).

Тем не менее, был достигнут некоторый успех в преобразовании входных данных в способ, который вы описали выше. Ниже приведен технический документ, в котором они смогли превзойти многие наиболее эффективные алгоритмы, и они использовали сверточные 1D слои для обработки шаблона временных рядов через отдельный вход.

Полностью сверточные сети LSTM для классификации временных рядов