研究人员开发了一个名为平滑流匹配（SFM）的新框架，用于生成函数数据，即在连续域上观察到的数据。该方法旨在解决隐私问题、稀疏采样和非高斯结构等挑战，使其适用于生物医学研究和健康信息学中的应用。SFM构建了一个半参数平滑流，以创建无限维度的函数数据，而无需假设高斯性或低秩结构。该框架计算效率高，可处理不规则观测，并确保生成函数的平滑性，为现有的深度生成方法提供了一种实用的替代方案。通过模拟和应用于MIMIC-IV数据库的临床轨迹数据，证明了其有效性，显示了其在医疗保健下游任务中的潜力。 AI
影响 这一新框架可以实现对医疗保健领域敏感函数数据进行更稳健的统计分析，有可能在不损害患者隐私的情况下加速研究。
排序理由 该集群包含一篇arXiv预印本，详细介绍了一种新的数据合成统计框架。[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 →
