irregular data

DBGL: Decay-aware Bipartite Graph Learning for Irregular Medical Time Series Classification

DBGL stellt eine neuartige, zerfallsbewusste Methode zum bipartiten Graphenlernen vor, um die Herausforderungen bei der Klassifizierung unregelmäßiger medizinischer Zeitreihen zu adressieren. Sie nutzt einen patientenvariablen bipartiten Graphen zur Modellierung unregelmäßiger Abtastmuster und Variablenbeziehungen und integriert zusätzlich eine knotenspezifische temporale Zerfallsenkodierung für die Unregelmäßigkeit des Variablenzerfalls.