如何在LSTM模型中解释权重？

Question

我目前正在尝试自己进行LSTM模型的权重初始化。该模型是这样的：

  model <- keras_model_sequential()%>%
    layer_lstm(units = 120, input_shape = c(1,120),
               return_sequences = T, stateful = T, batch_size = batchsize) %>%
    layer_lstm(units = 120, 
               return_sequences = T, stateful = T) %>%
    layer_dense(units = 120)

我得到了该模型的权重，以检查训练后权重的格式。权重采用矩阵列表的格式，例如： enter image description here

我对重量的顺序很困惑。哪个矩阵用于隐藏神经，哪个矩阵用于递归神经？输入门，输出门和忘记门使用什么权重？

How to interpret weights in a LSTM layer in Keras

这解释了Keras中LSTM层中的权重，但它解释了Python中的权重。

还有一个问题，如果权重矩阵是这样的：

1 2 3 
4 5 6
3 1 2

第一层的神经名称为1,2,3，第二层的神经名称为4,5,6，结构如下：

Neural_1 Neural_2 Neural_3 
Neural_4 Neural_5 Neural_6

这是否表示权重的顺序？

W14 W15 W16 
W24 W25 W26
W34 W35 W36