循环网络 (RNN) 不会学习一个非常简单的函数（问题中显示的图）

Question

所以我试图训练一个简单的循环网络来检测输入信号中的“突发”。下图显示了 RNN 的输入信号（蓝色）和期望（分类）输出，以红色显示。

因此，每当检测到突发时，网络的输出应从 1 切换到 0，并保持与该输出相同。用于训练 RNN 的输入序列之间唯一发生变化的是爆发发生的时间步长。

按照https://github.com/MorvanZhou/PyTorch-Tutorial/blob/master/tutorial-contents/403_RNN_regressor.py上的教程，我无法学习 RNN。学习到的 RNN 始终以“无记忆”方式运行，即不使用记忆进行预测，如以下示例行为所示：

绿线显示了网络的预测输出。在这个例子中我做错了什么以至于无法正确学习网络？网络任务是不是很简单？

我正在使用：

1. torch.nn.CrossEntropyLoss 作为损失函数

2. 用于学习的 Adam 优化器

3. 具有 16 个内部/隐藏节点和 2 个输出节点的 RNN。他们使用 torch.RNN 类的默认激活函数。