ReMeDe Trees是一种创新的决策树模型，结合了类似循环神经网络（RNN）的记忆机制，特别适合处理序列数据，如时间序列或动态模式。它通过梯度下降和时间反向传播（BPTT）进行训练，能够高效优化硬性、轴对齐的决策规则。实验显示，其在合成数据集上的表现可能与LSTM相当，同时保留了决策树的结构化特性，便于理解和解释。
