研究人员开发了一个新的时间序列分类框架,旨在预测个体缺勤,以满足医疗保健和应急服务等领域的重要需求。该框架将历史出勤数据与未来缺勤标签分开,从而能够比现有方法进行更主动的预测。使用模拟数据集和各种深度学习架构(包括LSTM-FCN)进行的实验显示出有希望的结果,其中LSTM-FCN表现出较高的精确率和特异度。 AI
影响 通过实现主动的缺勤预测,该框架可以改善高需求领域的劳动力规划和运营效率。
排序理由 该集群包含一篇详细介绍用于特定预测任务的新AI框架的学术论文。
- Binary Focal Loss
- CNN
- Geometric Mean
- LSTM
- LSTM-FCN
- UCI dataset
- Binary Focal Loss (BFL)
- Geometric Mean (G-Mean)
- LSTM-Fully Convolutional Network (LSTM-FCN)
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →