我目前从神经网络开始，尤其是针对时间序列模型的LSTM。
我读了一篇论文（convex based LSTM），其中有人使用并行LSTM，然后将其输出合并。现在我想知道如何实现这种类型的网络。我知道，由于最后的元素逐个乘法，因此Keras的LSTM构造函数中的参数“单位”是输出的大小。但是，我不确定具有N个单位的Keras-LSTM-Layer是否与具有N个LSTM（每个都有1个单位）的层相同。
换句话说：假设有两个LSTM（一个具有N个单位，一个具有1个单位），它们获得相同的输入并产生output1（长度N）和output2（长度1）。如果相应地分配了权重，一个单位为N + 1且输入相同的LSTM是否会产生输出y = [y_1，y_2]？
如果不是这种情况，如何使用Sequential模型在Keras的一层中使用多个LSTM？仅功能API可以吗？
在本文中，他实质上是合并了k层LSTM的输出，每个LSTM都有n_k个单元。要复制这是keras，请在每层中写入k层lstms和n_k个单元。仅一个单元的LSTM层是无用的，因为内存在LSTM的单元中传播以进行顺序输入。一个单位的LSTM仅处理一个输入值，而其他值保持不变。所以，回答您的问题，不。两者不一样。实际上，对于所有输入，具有1个单位的N层与第一个输入上的一个像元一样好。