qq_44944580的博客

为实现早期分类时间序列（ECTS），我们提出了一种新颖的排名约束集成方法（RCE）。该方法采用排名思想来整合早期性目标和分类目标。因此，我们给出了排名关系的数学描述。集合的排名由其元素间的关系构成。在此，我们利用两个元素的成对排名关系来对无序集合进行排序。RCE算法通过类别和时效性两个维度对时间序列进行排序，如图2所示。首先根据类别对时间序列进行排序——排序0和排序1分别代表脓毒症类别优先非脓毒症类别、以及非脓毒症类别优先脓毒症类别的两种排序方式。

XX提出了一个densely knowledge-aware network (DKN)，构建了基于残差卷积网络与注意力网络的双塔蒸馏网络结构，用于提取局部与全局特征，并提升不同层的信息流动能力，实现低层级与高层级语义信息间的密集相互监督，帮助DKN挖掘rich regularizations and relationships hidden in the data。

对比+因果吗？有点意思

感觉看点不多。

恕我直言，看不下去。

出于为了解决AE中的梯度消失，是否可以使用残差网络或者dense net解决的心态，我搜到了这篇文章Deep Embedded Clustering with Asymmetric Residual Autoencoder。本文的亮点：使用了一个非对称的、残差的autoencoder来训练样本；将clustering融合入模型，解决end-to-end问题；非对称训练得到的AE更加适合clustering；因为将模型融合，导致AE的训练存在一些constraint（满足clu.