跳到主要内容
检索

Filipa Lino

1 篇关联报道

订阅更新
  1. arXiv

    HierSTT:面向急诊科需求的分层时空Transformer与跨层级一致性预测

    该工作提出HierSTT,一个端到端的分层Transformer框架,用Temporal Fusion Transformer建模国家级急诊需求、用时空Transformer编码器-解码器在国家级预测条件下生成区域与医院级预测,并以一致性感知损失惩罚跨层级不一致;同时发布覆盖葡萄牙81家医院、5个区域卫生管理局、含各层级异构协变量的全国急诊数据集,实验报告称相对最佳非分层深度学习基线平均WAPE降低32%,并优于经典分层调和方法,同时给出接近一致的跨层级预测。

已读完全部报道