irregular data

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

DBGL introduit une nouvelle méthode d'apprentissage par graphe bipartite sensible à la décroissance pour la classification des séries temporelles médicales irrégulières. Elle utilise un graphe bipartite patient-variable pour modéliser les schémas d'échantillonnage irréguliers et les relations entre variables, ainsi qu'un encodage de décroissance temporelle spécifique aux nœuds pour l'irrégularité de décroissance des variables.