GRU-ODE-Bayes: النمذجة المستمرة للسلسلة الزمنية المراقبة بشكل متقطع

نمذجة السلاسل الزمنية متعددة الأبعاد في العالم الحقيقي يمكن أن تكون تحديًا خاصًا عندما يتم ملاحظتها بشكل متقطع (أي أن العينات غير منتظمة في الوقت وفي الأبعاد) - مثل حالة بيانات المرضى السريرية. لمواجهة هذه التحديات، نقترح (1) إصدارًا مستمرًا زمنيًا من وحدة التكرار البوابة (Gated Recurrent Unit)، معتمدين على المعادلات التفاضلية العادية العصبية الحديثة (Neural Ordinary Differential Equations) (تشن وغيرها، 2018)، و(2) شبكة تحديث بيزية ت تعالج الملاحظات المتقطعة. نجمع بين هذين الفكرتين في طريقة GRU-ODE-Bayes الخاصة بنا. ثم نوضح أن الطريقة المقترحة ترميز أولوية استمرارية للعملية الكامنة وأنها قادرة على تمثيل الديناميكيات فوكر-بلانك بدقة للعمليات المعقدة التي تُدار بواسطة معادلة تفاضلية عشوائية متعددة الأبعاد. بالإضافة إلى ذلك، أظهرت التقييمات التجريبية أن طريقتنا تتفوق على أفضل التقنيات الحالية في كل من البيانات الصناعية والبيانات الحقيقية ذات التطبيقات في الرعاية الصحية وتوقع المناخ. كما أثبتت أولوية الاستمرارية أنها مناسبة جدًا لحالات قليلة العينات.