초록
본 논문에서는 희소하고 불규칙하게 샘플링된 다변량 시계열 데이터의 지도 학습 문제를 해결하기 위한 새로운 딥 러닝 아키텍처를 제시합니다. 이 아키텍처는 반모수적 보간 네트워크(semi-parametric interpolation network)를 사용한 후 예측 네트워크(prediction network)를 적용하는 방식으로 구성됩니다. 보간 네트워크는 다변량 시계열 데이터의 여러 차원 간에 정보를 공유할 수 있도록 하며, 예측 네트워크에는 표준적인 딥 러닝 모델을 사용할 수 있습니다. 이 연구는 전자 의료 기록에서 얻은 생리학적 시계열 데이터가 희소하고 불규칙하게 샘플링되며 다변량임을 고려하여 동기를 부여받았습니다. 우리는 이 아키텍처의 성능을 분류 및 회귀 작업에서 조사하였으며, 결과적으로 본 접근법이 다양한 베이스라인 모델과 최근 제안된 모델들보다 우수함을 입증하였습니다.