IVP-VAE：用初值问题求解器建模电子健康记录时间序列

诸如 Neural ODE 与 Neural Flow 的连续时间模型，在分析电子健康记录中常见的不规则采样时间序列方面已显示出有前景的结果。基于这些模型，时间序列通常在变分自编码器架构内通过初值问题（IVP）求解器与循环神经网络的混合来处理。顺序求解 IVP 使得此类模型在计算上效率较低。本文中，我们提出用连续过程纯粹建模时间序列，其状态演化可由 IVP 直接近似。这消除了循环计算的需要，并使多个状态可并行演化。我们进一步利用 IVP 求解器的可逆性将编码器与解码器融合为一个 IVP 求解器，从而减少参数量并加快收敛。在三个真实世界数据集上的实验表明，所提方法能系统性地优于先前方法，取得最先进结果，并在数据效率方面具有显著优势。