研究人员开发了HierSTT，一个新颖的分层Transformer框架，旨在跨多个级别连贯地预测急诊科（ED）需求。该模型在一个端到端系统中联合预测医院、区域和全国的需求，解决了独立预测方法中常见的که incoherence 问题。通过采用一个连贯感知损失并利用全国性的葡萄牙ED数据集，HierSTT与非分层深度学习基线相比，平均WAPE降低了32%，并且优于经典的که incoherence 协调方法。 AI
影响 这种分层预测方法可以通过提供更一致、更准确的需求预测来改善医疗保健系统的资源分配和规划。
排序理由 该集群包含一篇详细介绍新模型架构及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
