T-LSTM模型

T-LSTM（Time-Aware LSTM）模型考虑了时间序列之间的时间间隔，他的主要思想是将记忆状态分为短期记忆和长期记忆，根据输入之间的时间间隔调整短期记忆的影响，时间间隔越长，短期记忆的影响越小，接着将调整后的短期记忆与长期记忆重组为新的记忆状态。

参考论文：
《Patient Subtyping via Time-Aware LSTM Networks》
介绍了T-LSTM模型以及其在分析医疗记录中的应用。
以下是基于论文对模型的理解：

标准LSTM网络的局限

• 不能处理不规则的时间间隔

标准LSTM单元由遗忘门、输入门、输出门和存储单元组成，但该体系结构隐含了一个假设，即序列元素之间的运行时间是均匀分布的。因此，在LSTM体系结构中没有集成纵向数据中可能出现的时间不规则性。
例如，在一个短暂的患者记录中事件的分布是高度不均匀的，在医疗保健领域，时间为t-1、t和t+1的记录之间的时间间隔可以从天到年不等。在图1中使用一个病人的医疗记录片段示例来说明这一点，记录之间的时间差异从一个月到几个月不等。这种不同的时间间隔可能预示着某些即将发生的疾病。例如，频繁入院可能表明有严重的健康问题，而这些就诊记录提供了研究病情进展的来源。另一方面，如果两个连续记录之间有几个月的时间，之前的记忆就不应在预测时发挥太大的作用。