要約
本論文では、疎で不規則にサンプリングされた多変量時系列データの教師あり学習問題を解決する新しい深層学習アーキテクチャを提案します。このアーキテクチャは、半パラメトリック補間ネットワークの使用とその後の予測ネットワークの適用に基づいています。補間ネットワークは、多変量時系列データの複数次元間で情報共有を行うことを可能にし、予測ネットワークには任意の標準的な深層学習モデルを使用することができます。この研究は、電子健康記録内の生理学的時系列データ（疎で、不規則にサンプリングされ、多変量である）の分析によって動機付けられています。私たちは、このアーキテクチャが分類タスクと回帰タスクにおいて、一連の基準モデルや最近提案されたモデルよりも優れた性能を示すことを検証しました。