（这里的第一篇文章）我对神经网络相当陌生，已经使用了几个月的 Tensorflow，并且正在寻找一些关于提高模型准确性的想法的建议。我正在查看使用具有空间丢失的 1d 卷积层和 LSTM 来寻找这些特征的空间相关性的序列。我的想法是，由于这些序列具有不同类型的特征和不同的序列长度，我可能会尝试将我的输入序列发送到具有不同窗口大小的多个 1dconv 层，然后将它们重新合并在一起。

这会有效吗？有没有办法链接这些层，以便具有较大窗口的层不会从较小窗口的层中学习模式？或者我应该用更多的过滤器使原始卷积层变大吗？

PS 我最初的想法是将每个单独的卷积与上面的 LSTM 配对，然后将它们合并到另一个带有 LSTM 的卷积中，但这在我的计算机上似乎过于复杂。