深度学习模型实现了最先进的结果，可以预测血糖轨迹，并提出了广泛的体系结构。但是，这种模型在临床实践中的适应性很慢，这主要是由于缺乏对所提供的预测的不确定性定量。在这项工作中，我们建议将未来的葡萄糖轨迹建模为基础分布的无限混合物（即高斯，拉普拉斯等）。这种变化使我们能够学习不确定性并在轨迹具有异质或多模式分布的情况下更准确地预测。为了估计预测分布的参数，我们利用了变压器体系结构。我们从经验上证明了我们方法在合成和基准葡萄糖数据集上的准确性和不确定性方面，既优于现有的最新技术。
translated by 谷歌翻译