public_plstm：阶段性LSTM

简介：
public_plstm是一种改良版的LSTM模型，专注于提升阶段性的特征学习能力，适用于处理具有明显阶段性特点的时间序列数据。 分阶段LSTM（PLSTM）是由Daniel Neil、Michael Pfeiffer 和 Shih-Chii Liu 在2016年NIPS会议上作为口头报告提出的，名为“加速长序列或基于事件的序列循环网络训练的阶段性 LSTM”。 使用规则： 如果您处理超过大约1000个时间步长的输入序列，则可以考虑从PLSTM中获益。 然而，在回答bAbI任务或对特定文本段落进行负面对数可能性评估的情况下，您可能不会看到此模型的优势。但对于需要处理长时间序列（如全文摘要）或者融合来自不同频率运行传感器的数据的情况而言，这种模型显得既自然又高效。 该技术现在已可以在TensorFlow和Keras中使用，并且有一个最新的PyTorch实现可用。