【问题标题】：What is the correct architecture for a time series predicting LSTM neural network?时间序列预测 LSTM 神经网络的正确架构是什么？
【发布时间】：2013-07-03 17:21:42
【问题描述】：

关于 LSTM 网络的结构

如果我想创建 LSTM 网络来解决时间序列预测，我应该如何构建神经网络的隐藏层？

LSTM memory block 表示隐藏层，该层中的所有节点将由cells 表示？
每个隐藏层应该由无数个LSTM memory blocks组成，这些块的集合会形成一层？

图形表示：

以这种方式：

还是这样？

【问题讨论】：

标签： architecture machine-learning artificial-intelligence neural-network lstm

【解决方案1】：

在与我大学的一些教授交谈后，我终于解决了这个问题。

您应该将 LSTM 块视为网络中的单个神经元。

因此，该网络将被视为具有单个隐藏层和两个神经元的神经网络：

【讨论】：

【解决方案2】：

据我所知，您需要多个 LSTM 来形成一个层（例如，参见 this paper），但您可能应该在 https://stats.stackexchange.com/ 上问这个问题

【讨论】：

我读过那篇论文，还有很多其他的——尽管我从未完全掌握所需的精确架构。由于每个块可以输出多个输出（通过不同的单元格），因此一个块应该能够充当layer。我只是不确定权重（当然还有bias）是否能够一次将输出值调整到给定的目标！另一方面，它可以作为一个正常的前馈网络完成工作——我相信。