irregular data

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

DBGL apresenta um novo método de Aprendizagem de Grafo Bipartido com Consciência de Decaimento para classificar séries temporais médicas irregulares. Ele emprega um grafo bipartido paciente-variável para capturar padrões de amostragem irregulares e relações entre variáveis, além de uma codificação de decaimento temporal específica de nó para a irregularidade de decaimento das variáveis.