研究者提出临床时间序列结构学习算法StructGP

研究者提出一种面向临床时间序列的结构学习算法 StructGP。该方法假设数据来自 k 维多输出稳态高斯过程，用有向无环图编码时间序列间的有序条件关系，并采用基于可微无环性定义的 NOTEARS 算法恢复图结构。 在平均度 3、20 个任务的仿真设定下，恢复有向边的召回率中位数为 0.93（IQR 0.86–0.97），精确率中位数为 0.71（0.57–0.84）。研究者称，正则化路径是识别图结构的关键。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。