小张快冲

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.

ARIMA(p,d,q)模型全称为差分自回归移动平均模型 (Autoregressive Integrated Moving Average Model,简记ARIMA)。自回归模型（AR）—> p： 趋势自回归阶数差分（I） —> d：趋势差分阶数移动平均模型（MA）—> q：趋势移动平均阶数一、根据ACF/PACF选定模型以及模型参数首先明确两个概念：截尾（cut off）、拖尾（tail off）截尾：样本自相关/偏自相关系数在最初的d阶明显大于2倍标准差，而后几.

时间复杂度和空间复杂度是度量算法效率的常用指标时间度量事后统计，不常用事前统计影响因素：算法策略 问题规模 程序语言 代码质量 机器执行指令的速度撇开软硬件的影响，算法运行工作量的大小只依赖于问题的规模（通常用整数n表示）一个算法是由控制结构（顺序，分支，循环三种）和原操作（指固有数据类型的操作）构成，则算法时间取决于两者的综合效果。为了便于比较同一问题的不同算法，通常从算法中...

1.先搞清楚多项式时间时间复杂度被分为两种级别，其中后者的复杂度无论如何都远远大于前者：一种是O(1),O(log(n)),O(n^a) 等，我们把它叫做多项式级的复杂度，因为它的规模n出现在底数的位置；另一种是O(a^n)和O(n!)型复杂度，它是非多项式级的，其复杂度计算机往往不能承受。当我们在解决一个问题时，我们选择的算法通常都需要是多项式级的复杂度，非多项式级的复杂度需要的时间太多，往往...

惠惠碎碎念：四月最后一天了，从4月23日中期答辩之后我就一直没有学习，吃吃吃，睡睡睡，无比堕落。寝室真是让人放纵的地方，现在好心疼自己浪费掉的那几天，没有做任何有意义的事情，哎，哪怕是出去玩玩也好啊…唯一让我稍微觉得不那么罪恶的也就是补了几部电影。哎，以后不能总待在寝室了，虚度光阴的感觉太糟糕了，或许之后应该尝试每天写篇日记，记录或者反思当天的表现，也许会不错哦。言归正传，现在我要抓住四月的小尾巴...