1.一种能利用事件持续时间的高效LSTM设计方法，其特征在于，包括以下步骤：步骤1，使用基于事件持续时间的序列编码方法，将序列数据中所包含的事件及其持续时间信息作为LSTM网络各个时刻的输入；

步骤2，通过高效LSTM隐藏层神经元记忆更新方法，使神经元能够记忆事件的持续时间，合理高效地进行神经元的计算。

2.根据权利要求1所述的一种能利用事件持续时间的高效LSTM设计方法，其特征在于，所述步骤1中，获得各时刻LSTM网络的输入的方法包括以下步骤：步骤1.1，每隔时间间隔α对序列进行采样并由此构建输入高效LSTM的序列编码；

步骤1.2，使用N维向量xt表示高效LSTM在输入时刻t的输入编码，即编码向量，其中N为所有事件的种类，向量xt中的每一元素分别对应一种事件；

步骤1.3，在输入时刻t，判断对应的采样时刻是否有事件j发生，若有，则向量xt中的第j位置置为1；若无，向量xt中的第j位置置为0；由此得到的编码向量xt，即为各时刻LSTM网络的输入。

3.根据权利要求1所述的一种能利用事件持续时间的高效LSTM设计方法，其特征在于：所述步骤2中，高效LSTM隐藏层神经元记忆更新方法包括以下步骤：

步骤2.1，确定LSTM单元中的掩门mask gate和时长duration，mask gate的开、关由网络各时刻输入的变化情况决定，若某一时刻的编码向量xt与上一时刻xt-1不同，此时隐藏层神经元及时更新记忆，mask gate打开；若编码向量xt与xt-1相同，此时神经元记忆无需更新，mask gate关闭，进入保持阶段；每当记忆保持的持续时间增加一个时刻，duration的值增1；

步骤2.2，根据各时刻的mask gate和duration，使用门控选择更新方法计算隐藏层神经元记忆和输出。

4.根据权利要求3所述的一种能利用事件持续时间的高效LSTM设计方法，其特征在于，所述mask gate和duration的计算方法分别如下：其中，mt表示t时刻的mask gate，xt和xt-1分别表示t和t-1时刻的编码向量，dt表示t时刻的duration，在每个记忆保持时刻，duration的值持续累积。

5.根据权利要求3所述的一种能利用事件持续时间的高效LSTM设计方法，其特征在于：所述步骤2.2中门控选择更新方法包括以下步骤：

步骤2.2.1，根据输入编码xt和上一时刻隐藏层输出ht-1，计算LSTM单元的遗忘门ft、输入门it、输出门ot和当前隐藏层的输入c_int，计算方法分别如下：it＝σ(Wxixt+Whiht-i+bi)

ft＝σ(Wxfxt+Whfht-1+bf)

ot＝σ(Wxoxt+Whoht-1+bo)

其中，Wxi和Whi是输入门权重矩阵，Wxf和Whf是遗忘门权重矩阵，Wxo和Who是输出门权重矩阵，Wxc和Whc为当前隐藏层权重矩阵，bi、bf、bo、 分别是输入门，遗忘门，输出门和输入的偏置，σ是sigmoid函数，tanh函数为输入的激活函数；

步骤2.2.2，根据mask gate、duration、遗忘门ft、输入门it、输出门ot和上一时刻神经元的记忆，高效计算隐藏层新的记忆和输出，计算方法分别如下：其中，☉是Hadamard积，ct,ht分别表示t时刻隐藏层神经元的记忆和输出， 为t-dt+1时刻记忆， 为t时刻神经元记忆参考值，c_int为t时刻隐藏层神经元的输入， 为t刻神经元输出参考值， 为t-dt+1时刻神经元输出, 为1向量；

受mt的控制，只在mt＝1时，ct和ht被更新为 和 mt＝0时，无需计算 和 和 将利用之前最近一次更新的状态 和duration进行计算。