https://www.evolutionarylearn.com/paper/lstm-review-ts/
一、LSTM基础理论资料汇总/综述 Understanding LSTM Networks Christopher Olah大神的博客文章，用专业而易懂的方式介绍了LSTM的架构。目前，很大部分的中文LSTM介绍与分享均参考该篇博文，影响巨大。另外,Olah的博客中还包括神经网络的其他结构博文，包括RNN,CNN等。 [译] 理解 LSTM 网络 由朱小虎Neil翻译Olah的博客文章，翻译时间较早，但无论语言还是专业词汇的翻译均非常专业，影响较大，其后很多国内博文参考其中内容。 深度丨目前最受欢迎的 LSTM 教程：谷歌大脑科学家亲解 参考了Christopher Olah大神的博客文章，以更加通俗易懂的方式介绍了LSTM结构。 LSTM算法原理简介及Tutorial 该博文较为详细地分析了LSTM结构与运算过程，读之可加深对LSTM的理解。 开始使用 Keras 顺序 (Sequential) 模型 Keras教程之序列模型。Keras可以非常容易的构建各类深度神经网络模型，包括LSTM。 二、LSTM时序预测资料汇总/综述 基于Keras的LSTM多变量时间序列预测-免费源代码 该博文构建了一个LSTM多因素时间序列预测模型,并以上海二手房价格预测进行了实例测试。该篇博文最大特色是提供了通用的基于Keras的LSTM源代码（下载），且该源代码中可以直接设定或调整超参数，不必调整网络结构部分代码，非常方便。 基于Keras的LSTM多变量时间序列预测 本文翻译自Jason Brownlee的博客Multivariate Time Series Forecasting with LSTMs in Keras。博文通过空气污染预测的实例，一步步详细介绍了LSTM时序预测的编程实现过程，清楚明白。 深度学习之LSTM时间序列预测 该博文基于keras构建了一个简明的LSTM时间序列模型，并提供了python源代码和结果分析。 从零开始：如何使用LSTM预测汇率变化趋势 翻译自数据科学家 Neelabh Pant的文章。本文从实践角度分析了利用LSTM预测美元兑印度卢比的汇率变动情况，并通过实验验证了LSTM预测效果的准确度。 基于keras的LSTM时间序列预测 本文构建了一个基于lstm的单因素时间序列预测模型，并用航空公司乘客数据集进行了测试。该文中构建的LSTM程序结构简单明了，适合起步学习。 三、LSTM时序预测源代码汇总/综述 基于Keras的LSTM多变量时间序列预测-源代码 来自进化学习团队的工作，特点是代码通用性好，可直接调节网络层数，特征选取等参数，但略显复杂。 LSTM Neural Network for Time Series Prediction GitHub上关于lstm时间序列预测中最多加星项目，结构较为清晰，但略显复杂。 Recurrent Neural Networks for Predictive Maintenance 本项目是利用LSTM来预测航空发动机剩余寿命的多因素预测，来自产业界的探索。 Time Series Predictions 本项目内容相对丰富，包括基于LSTM方法的洗发水销量/股票走势预测，有状态循环神经网络构建等。 Time Series Analysis and Prediction 本项目利用LSTM进行航空旅客月度人数的分析预测，过程非常详尽。
底下内容抄自别处：
什么时间步骤意味着: Time-steps3在X.form(描述数据形状)中，有三个粉色框。因为在Keras中，每个步骤都需要一个输入，因此绿框的数量通常应该等于红色框的数量。除非你黑了结构。
多对多，多对一*在角点，有一个return_sequences初始化时的LSTM或GRU或SimpleRNN…什么时候return_sequences是False(默认情况下)，则为多对一如图所示。它的返回形状是(batch_size, hidden_unit_length)代表最后一个状态。什么时候return_sequences是True，那就是许多人对许多人…它的返回形状是(batch_size, time_step, hidden_unit_length)
特性参数是否具有相关性？*特征参数意味着“你的红盒子有多大”或者每个步骤的输入维度是什么。如果你想从8种市场信息中预测，那么你可以用feature8.
有状态：你可以向上看源代码…初始化状态时，如果statefulTrue，则使用上一次训练的状态作为初始状态，否则将生成新的状态。我还没打开stateful现在还没有。然而，我不同意batch_size只能是1statefulTrue.
目前，您使用收集的数据生成数据。想象您的股票信息正在以流的形式出现，而不是等待一天来收集所有顺序的数据，您希望生成输入数据。在线同时利用网络进行训练/预测。如果有400个股票共享同一个网络，则可以设置batch_size==400.
