不规则采样时间序列预测的功能潜在动力学
原文中文，约300字，阅读约需1分钟。发表于：。通过在时间序列中仅从观察值学习简单曲线，我们提出了一种名为功能潜在动力学（FLD）的模型族，代替复杂的 ODE 模型，以捕捉不规则时间序列的连续动态，并在减少运行时间和内存开销的同时达到更好的性能。
介绍了MUDRA方法，用于估计特征之间的统计依赖关系和处理缺失值。使用期望/条件最大化算法推断参数，并在“Articulary Word Recognition”数据集上评估预测能力。结果显示，MUDRA在处理缺失数据时有明显改进。适用于医学或心理数据集的分类。
