LSTM RNNを使用したトレーニングデータのシャッフル
LSTM RNNは以前のイベントを使用して現在のシーケンスを予測するので、なぜトレーニングデータをシャッフルするのですか？トレーニングデータの時間的順序は失われませんか？シャッフルされたトレーニングデータでトレーニングされた後、予測を行う上で、どのようにまだ効果的ですか？
一般に、トレーニングデータ（シーケンスのセット）をシャッフルするとき、シーケンスがRNNに供給される順序をシャッフルしますが、個々のシーケンス内の順序はシャッフルしません。ネットワークがステートレスの場合、これは問題ありません。
ステートレスケース：
ネットワークのメモリは、シーケンスの間だけ持続します。ネットワークのメモリ状態はシーケンス間で保持されないため、シーケンスAの前にシーケンスBでトレーニングすることは重要ではありません。
一方：
ステートフルケース：
ネットワークのメモリはシーケンスを超えて持続します。ここでは、盲目的にデータをシャッフルして、最適な結果を期待することはできません。 AはBの前に来るため、シーケンスAはシーケンスBの前にネットワークに供給される必要があり、ネットワークはシーケンスBをシーケンスAにあったもののメモリで評価する必要があります。