在这里，我阅读了以下内容：

理解的第一个关键是 HTM 依赖于随时间流逝的数据（...）相比之下，传统的深度学习使用静态数据，因此是时间不变的。即使是处理基于时间的语音的 RNN/LSTM，实际上也是在静态数据集上这样做的。

另一方面，我读到以下内容：

我们可以断言，我们的 LSTM 自动编码器是从时间序列中提取重要的看不见的特征的好武器

现在什么是真的？LSTM或自动编码器或组合是否适合时间序列分析？或者，HTM是否更适合该目的？

主要目的是在异常发生之前检测到随时间出现的异常。