liquid_time_constant_networks

收录理由

这是液态时间常数网络（LTC）的官方研究代码，一种将序列建模为连续时间动态而非离散步骤的循环架构。如果你处理的是预测或传感器类问题——样本到达时间不规则、噪声常见、希望时间结构保持可解释——这个区别值得了解。仓库提供了五个时间序列基准的现成训练脚本：手势分割、房间占用、人类活动识别、交通流量和臭氧预测。每个脚本都接受模型参数，让你能在相同数据上直接对比LTC与LSTM、GRU及神经ODE基线。原型设计RNN变体的研究人员和工程师会喜欢这些自包含的Python模块以及清晰超参数选项，便于复现论文结果。注意代码面向TensorFlow 1.14，应视为参考实现和复现配套；维护中的PyTorch移植版本在相关的ncps项目中。