我正在尝试使用 LSTM 预测对象随时间推移的轨迹。在我的脑海中，我有三种不同的训练和预测值配置，我想知道这个问题的最佳解决方案可能是什么（我也很感激关于这些方法的见解）。

1）多对一（损失是单个值的MSE）

• 这 $input$ 是一个序列 $n$ 值，输出是位置的单个值的预测 $n+1$.
• 损失函数是预测值与其真实值的MSE（所以，对应position中的值 $n+1$）。
• 在线测试期间，一系列 $n$ 值预测一个值 ($n+1$)，并且这个值被连接到前一个序列以预测下一个值 ($n+2$) 等等。这样，一个完整的轨迹 $n + t$ 值进行计算。

2）多对一（损失是多个值的MSE）

• 这 $input$ 是一个序列 $n$ 值，输出是位置的单个值的预测 $n+1$.
• 为了计算损失函数，应用了之前用于在线测试的相同策略。LSTM 预测一个值，这个值被连接起来，用来预测连续的值$t$次。损失是轨迹中所有预测值及其真实值的 MSE。只有在预测了整个轨迹时才进行反向传播。
• 在线测试等于前面的情况。

3) 多对多

• 这 $input$ 是一个序列 $n$ 值，输出是预测 $m$ 连续值。
• 损失函数是 $m$ 预测及其相应的基本事实。