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

Les Réseaux Neuronaux Liquides (LNN) modélisent l'évolution de l'état caché via des équations différentielles continues, contrairement aux RNN et LSTM à temps discret. Cette étude compare les LNN aux LSTM sur quatre modalités séquentielles, révélant la supériorité des LNN en termes d'efficacité paramétrique et de robustesse dans les domaines temporels et cliniques.