Comparative Analysis of Liquid Neural Networks and LSTM for Sequential Pattern Recognition: Robustness, Efficiency, and Clinical Utility

Liquid Neural Networks (LNNs) modellieren die Entwicklung des verborgenen Zustands als kontinuierliche Differentialgleichung, im Gegensatz zu diskreten RNNs und LSTMs. Diese Studie vergleicht LNNs mit LSTMs in vier sequenziellen Modalitäten und zeigt die überlegene Parameterffizienz und Robustheit von LNNs, insbesondere in nativen Zeitbereichen und klinischen Umgebungen.