跳到正文

READZER / 全球行业情报

行业观察台

重要变化,持续跟进。

11月22日 · UTC

阅读工作台
最新优先

摘要预览

返回动态

重新评估显示灵活经典模型可媲美神经时间点过程

arXiv cs.LG (Machine Learning) RSS Feed ·

你需要知道

一项系统研究在五个基准和两个大型医疗数据集上比较经典时间点过程(TPP)与神经TPP,发现具有可学习基线和核的灵活霍克斯过程缩小了先前报告的性能差距。采用样条强度头的Transformer与无强度模型相当,其优势主要在于建模事件发生时间而非事件类型。作者发布了开源框架TorchPP,提供一致的经典和神经TPP实现。

载入阅读状态…

来源与证据

arXiv cs.LG (Machine Learning) RSS Feed原文语言 · und ·

原作者:Hendrik Mehrtens, Florian Buettner, Oliver Stegle · arXiv Readzer provides an abridged translation. CC0.来源许可

各行业推荐理由
  • 科技与数字产业

    该研究提供了可复现的证据,表明灵活经典模型可媲美神经TPP,对软件和数据科学领域的模型选择具有参考意义,并发布了开源框架TorchPP供行业使用。

这里提供经过审核的摘要,完整文章请前往原始来源。