静态与多变量时间关注融合变压器用于再入院风险预测
原文中文，约400字，阅读约需1分钟。发表于：。通过学习有用的静态和时间特征表示，SMTAFormer 能够有效捕捉和融合静态和多变量时间特征表示，在短期住院预测研究中显著提高了重症监护病房患者的预测性能。
本文介绍了一种名为LVSTformer的多层多视图增强时空Transformer模型，用于交通预测。该模型通过捕获空间和时间依赖性，提高了泛化能力和鲁棒性。实验结果显示，LVSTformer相较于竞争基线模型表现更好，最大改进幅度达到4.32%。
