LSTM 杀回来了！Nature 大子刊再爆成果

LSTM又火了了，拿下Nature大子刊！作者提出模型CLM，以LSTM为基础，并调整喂数据的顺序，在药物分子优化任务中，实现了分子活性提升20倍的显著效果！

不仅如此，在CVPR、ICLR等顶会上也有不少成果，像是推理速度提升40%的CS-LSTMs模型、性能远超SOTA的LSTM-DLN架构……实际上，对其的改进一直都是热门，自提出以来，引用量已经10万+了。主要在于，相比Transformer等模型，其更加简单、鲁棒性更高、计算资源和数据量要求更低，在医学、金融等现实领域具有不可代替的作用。

为方便大家研究的进行，我梳理了122种创新思路，并按视角进行了分类，相信能够给你带来idea启发，一起来看！

模块一：内部魔改型7篇

通过优化内部单元结构，解决LSTM性能、效率等问题

主要涉及LSTM作者亲自操刀的xLSTM，此外还有Vision-LSTM、Bi-LSTM、coupled LSTM……

模块二：结构增强型50篇

主要解决LSTM单一模态/依赖建模不足等问题

主要涉及：LSTM+Transformer、+注意力、LSTM+CNN+Ttention、LSTM+Mamba、+CNN等8类前沿结合。

模块三：机制融合型38篇

解决LSTM数据质量/数据量不足等问题

主要聚焦LSTM与GAN、卡尔曼滤波、强化学习、贝叶斯等的结合

模块四：新兴架构结合型27篇

解决LSTM可解释性/领域适配差等蚊子

具体有：LSTM与KAN、PINN、迁移学习的结合。

如何获取？

所有的论文和源码，都已经整理好，且在持续更新中。需要的话，可以：

长按识别下方二维码+小享 

发送关键词【122长短】获取