RNNがモデル化するための実行可能なシーケンス長とは何ですか？

私は、時系列データのモデリングにリカレントニューラルネットワーク（RNN）のLSTM（長期短期記憶）バージョンを使用することを検討しています。データのシーケンス長が長くなると、ネットワークの複雑さが増します。したがって、どの長さのシーケンスが良好な精度でモデル化するのに適しているのでしょうか？

最先端のアプローチを実装するのが難しいことなく、LSTMの比較的単純なバージョンを使用したいと思います。私の時系列の各観測値には、おそらく4つの数値変数があり、観測値の数は約100.000〜1.000.000です。

データの性質と内部相関に完全に依存するため、経験則はありません。ただし、大量のデータがある場合は、2層LSTMで大量の時系列問題/ベンチマークをモデル化できます。

さらに、系列全体に時間を逆伝播するのではなく、通常（200〜300）の最後のステップに逆伝播します。最適な値を見つけるには、グリッド検索またはベイジアン最適化を使用して相互検証できます。さらに、パラメーターはhttps://github.com/wojzaremba/lstm/blob/master/main.luaで確認できます。

そのため、シーケンスの長さはモデルのトレーニングに実際には影響しませんが、トレーニングの例が増えたように、リセットするのではなく前の状態を維持するだけです。