基于神经网络的交替复发事件动态预测

交替复发事件——特定性质的事件时间触发次要不应期——发生在广泛领域，包括行为科学、刑事司法和生物统计学。对这些事件的分析需要仔细关注统计细节，包括相关观测和可能受删失影响的重复结果。我们开发了一个适用于预测后续交替复发事件的在线动态预测框架，通过为统计受众发展神经网络理论并应用逆概率加权伪观测。所提出的模型被应用于动态预测交替复发事件自由时间，在模拟中显示出良好性能，并在预测一年级医学生情绪低落时期的应用中表现出卓越能力。我们以讨论结束。