Qual é o melhor método para classificação de dados de séries temporais? Devo usar LSTM ou um método diferente?

Estou tentando classificar os dados brutos do acelerômetro x, y, z em seu rótulo correspondente.

Qual é a melhor arquitetura para obter melhores resultados?

Ou alguém tem alguma sugestão sobre arquiteturas LSTM construídas em keras com nós de entrada e saída?

Eu não usaria a palavra "melhor", mas o LSTM-RNN é muito poderoso ao lidar com séries temporais , simplesmente porque elas podem armazenar informações sobre valores anteriores e explorar as dependências de tempo entre as amostras. Dito isto, definitivamente vale a pena.

Está provado que seu desempenho pode ser significativamente melhorado se eles forem combinados com uma Rede Neural Convolucional (CNN) que pode aprender as estruturas espaciais dos seus dados, que neste caso são unidimensionais.

Dê uma olhada neste método avançado que combina LSTM e CNN, publicado muito recentemente (este ano):

https://ieeexplore.ieee.org/document/8141873/

Além disso, dê uma olhada neste exemplo de codificação , explica como usar Keras (Python) para implementar uma rede LSTM para classificação de sequências e como combiná-la com uma CNN para obter desempenho aprimorado:

https://machinelearningmastery.com/sequence-classification-lstm-recurrent-neural-networks-python-keras/