全卷积神经网络（FCN）在时间序列分类任务中已展现出最先进的性能。我们提出了一种增强全卷积网络的方法，即引入长短期记忆递归神经网络（LSTM RNN）子模块，以进一步提高时间序列分类的性能。所提出的模型在仅小幅增加模型规模的情况下，显著提升了全卷积网络的性能，并且对数据集的预处理要求极低。我们提出的长短期记忆全卷积网络（LSTM-FCN）相比其他方法，实现了最先进的性能。此外，我们还探讨了注意力机制在时间序列分类中的应用，提出了带有注意力机制的长短期记忆全卷积网络（ALSTM-FCN）。利用注意力机制可以可视化LSTM单元的决策过程。此外，我们还提出了一种微调方法来进一步提升训练模型的性能。本文提供了对我们模型整体性能的分析，并将其与其他技术进行了比较。