HierSTT

分层Transformer连贯预测急诊科需求

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。