我使用LSTM深度学习来识别生成单变量时间序列的数学模型的参数。根据我为模型选择的参数，时间序列将改变其振荡频率或形状（振荡类型）。
现在，我制作了一个深度学习LSTM，它只占用时间序列的1秒（1024个样本）

DLmodel = Sequential()
DLmodel.add(LSTM(units=Nb_input, return_sequences=True, input_shape=(None, Nb_input), activation='sigmoid'))  
DLmodel.add(Dropout(0.3))
DLmodel.add(Dense(Nb_input // 4, activation="relu", kernel_initializer="uniform"))
DLmodel.add(Dropout(0.3))
DLmodel.add(Dense(Nb_input // 8, activation="relu", kernel_initializer="uniform"))
DLmodel.add(Dropout(0.3)) 
DLmodel.add(Dense(Nb_output, activation="linear", kernel_initializer="uniform"))

其中

Nb_input = number of sample
Nb_output = number of parameter to identify

我的想法是

while 1:
    label = randomly choose 3 model parameters N times (dimension = 1 x N x 3) 
    signal = generate N signal of 5 seconds (dimension = 1 x N x 1024) 
    
    increase the training set by using a shift window on the time series 
    training set = windowed signal (dimension = 1 x N*5 x 1024)
    label = copy model parameters(dimension = 1 x N*5 x 3) 
    
    Fit the LSTM
    
    Test LSTM on new data

我想知道的是，LSTM输入是否需要1个样本的时移（以创建训练集）才能正确训练，或者我是否可以将时移留给一个完整的窗口（1024个样本）？例如，如果我在一秒窗口的开始有一个事件，它是否与该事件在结束时相同（从LSTM的Angular 来看）？