我正在尝试使用 Keras 中的深度学习设置来预测一维行波（正方形、三角形和锯齿波）的未来状态。这些波在 1024 个数据点中被离散化。由于这为 RNN 提供了相当高的输入维数，因此使用卷积自动编码器设置将 1024 个输入减少到 10 维的低维潜在空间。给 RNN 5 个前一个时间步的潜在输入来预测下一个时间步。我已经分别训练了自动编码器和 RNN，并获得了相当不错的结果，但理想情况下可以改进。下图举例说明了我是如何以解耦的方式训练模型的。
我的想法是通过耦合训练过程来改进这个模型。在这里，自动编码器的训练损失与 RNN 相同。下图给出了我想要实现的目标。
我希望潜在空间更适合使用此设置进行时间预测，因为自动编码器会因创建难以进行时间预测的潜在空间而受到惩罚。
我的问题是我不知道如何在 Keras 中以这种方式实现模型的组合。谁能帮我解决这个问题？
附言
我在以下链接中询问了有关此主题的另一个问题，该链接提供了我的项目的一些示例以及解耦的培训结果。