時系列データを分類する最良の方法は何ですか？LSTMまたは別の方法を使用する必要がありますか？

生の加速度計データx、y、zを対応するラベルに分類しようとしています。

最良の結果を得るための最良のアーキテクチャは何ですか？

または、入力ノードと出力ノードを備えたケラ上に構築されたLSTMアーキテクチャについて何か提案はありますか？

「最良」という言葉は使用しませんが、LSTM-RNNは、timeseriesを処理するときに非常に強力です。これは、以前の値に関する情報を格納し、サンプル間の時間依存性を利用できるためです。とは言っても、間違いなく行く価値はあります。

データの空間構造（この場合は1次元）を学習できるたたみ込みニューラルネットワーク（CNN）と組み合わせると、パフォーマンスが大幅に向上することが証明されています。

ごく最近（今年）公開された、LSTMとCNNを組み合わせたこの最先端の方法をご覧ください。

https://ieeexplore.ieee.org/document/8141873/

それとは別に、このコーディング例をご覧ください。Keras（Python）を使用してシーケンス分類用のLSTMネットワークを実装する方法と、それをCNNと組み合わせてパフォーマンスを向上させる方法について説明しています。

https://machinelearningmastery.com/sequence-classification-lstm-recurrent-neural-networks-python-keras/