Vergleichende Analyse von Liquid Neural Networks und LSTM für die Erkennung sequenzieller Muster: Robustheit, Effizienz und klinische Anwendbarkeit

arXiv:2605.27467v1 Ankündigungstyp: neu Abstract: Traditionelle Recurrent Neural Networks (RNNs) und Long Short-Term Memory (LSTM)-Einheiten arbeiten auf diskreten Zeitschritten und erfassen oft nicht die fluide zeitliche Dynamik von realen physikalischen Prozessen. Liquid Neural Networks (LNNs), insbesondere Closed-Loop-Varianten