时间序列模型
时间序列是不独立的，后一个时间点要受前一个时间点的影响
但我们这种设计所使用的数据量极大，而且也并非前面所有时间序列都会对当前时间段产生影响。
马尔可夫假设
马尔科夫假设，只与当前前T个时间有关，T是定值
潜变量模型
潜变量模型中看似与最初的序列模型没有差别，但实际上其ht代表的不再是一个模型或函数，而是一个数据，即无论前面有多复杂，他在当前段预测时只需要一个前面汇总的数据即可。
个人理解：
这里我们相当于建立了两个模型，即h与x，h只与上一个x与h有关，而先前的序列模型中是与前面所有的都相关，这种好比每次所有前面的变量都需要计算，而在潜变量中，由于之前每一步都是算好的，因此只需要计算前面一个或两个变量即可。
下面使用马尔科夫假设来训练一个MLP来预测我一个加入噪音的sin函数图像
