شبكات التوضيب-التوقع للسلسلة الزمنية غير المنتظمة

في هذا البحث، نقدم معمارية تعلم عميقة جديدة لمعالجة مشكلة التعلم الإشرافي مع سلاسل زمنية متعددة المتغيرات ذات عيّنات نادرة وغير منتظمة. تعتمد هذه المعمارية على استخدام شبكة تداخل شبه معلمية (Semi-parametric Interpolation Network) تتبعها تطبيق شبكة تنبؤ. تسمح شبكة التداخل بمشاركة المعلومات عبر أبعاد متعددة لسلاسل زمنية متعددة المتغيرات خلال مرحلة التداخل، بينما يمكن استخدام أي نموذج تعلم عميق قياسي للشبكة التنبؤية. يُحفز هذا العمل من خلال تحليل البيانات السلسلية الفسيولوجية في السجلات الصحية الإلكترونية، والتي تكون نادرة العيّنات، غير منتظمة العيّنة، ومتعددة المتغيرات. ندرس أداء هذه المعمارية في مهمتي التصنيف والتنبؤ، مما يظهر أن نهجنا يتفوق على مجموعة من النماذج الأساسية والنماذج المقترحة حديثًا.