Архитектура LSTM Autoencoder

Не могу правильно скомпоновать схему архитектуры LSTM Autoencoder. Есть стандартная схема архитектуры lstm:

И есть архитектура Autoencoder:

Но хотелось бы их объединить.

Допустим, у меня есть нейросеть:

model = Sequential()
model.add(LSTM(128, activation='relu', input_shape=(timesteps,n_features), return_sequences=True))
model.add(LSTM(64, activation='relu', return_sequences=False))
model.add(RepeatVector(timesteps))
model.add(LSTM(64, activation='relu', return_sequences=True))
model.add(LSTM(128, activation='relu', return_sequences=True))
model.add(TimeDistributed(Dense(n_features)))
model.compile(optimizer='adam', loss='mse')

, где timesteps = 1 n_features = 10

Как бы могла выглядеть архитектура подобной нейронки, в которой были бы отражены аспекты передачи скрытых состояний на следующую ячейку, а так же отображалось бы количество нейронов каждого слоя lstm.