具有缺失值的多元时间序列的递归神经网络预测算法(GRU-D)

文章创新点 具有可训练衰变的模型。为了从根本上解决时间序列中缺失值的问题，我们注意到时间序列中缺失值的两个重要属性，特别是在医疗领域：首先，如果最后一次观察发生在很久以前，那么丢失的变量的值往往接近某个默认值(例如一个病人长久没有去医院看病，那么他的状态就趋于一般正常人的状态，可认为是一个默认均值)。这个属性作为一种体内平衡机制，通常存在于人体的健康保健数据中，被认为是疾病诊断和治疗的关键。其次，

>>阅读原文<<