{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,2,1]]，“日期时间”：“2024-02-01T00:17:13Z”，“时间戳”：1706746633531}，“出版商位置”：“查姆”，“参考计数”：24，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783030772109”，“类型”：”打印“}，{“值”：“9783030772116”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“开始”：{“date-ports”：[2021,1,1]，“日期-时间”：“2041-01-01T 00:00Z”，“timestamp”：1609459200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\\/www.splingernature.com\/gp\/researters\/text-and-data-mining”}rts“：[[2021,1,1]]，“日期时间”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2021]}”，“DOI”：“10.1007\/978-3-030-77211-6_22“，”类型“：“book-chapter”，“created”：{“date-parts”：[[2021,6,7]]，“date-time”：“2021-06-07T23:06:27Z”，“timestamp”：1623107187000}，“page”：“199-208”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“Deep Kernel Learning for Mortality Prediction in the Face of Temporal”Shift“]，”前缀“：“10.1007”，“author”：[{“given”：“Miguel”，“family”：“Rios”，“sequence”：“first”，“affiliation”：[]}，{“given”:“Ameen”，“家族”：“Abu-Hanna”，“序列”：“additional”，“filiance”：[]}，“member”：“297”，“published-online”：{“date-parts”：[2021,6,8]]}由“：”publisher“，”first page“：”1“，”doi“：”10.1561\/220000006“，“volume”：“2”，“author”：“Y Bengio”，“year”：“2009”，“unstructured”：“Bengio，Y.：学习AI.Found.Trends Mach.Learn.2（1），1\u2013127（2009）”，“journal-title”：“Found.Trands Mach.Learn.”}，{“key”：《22_CR2》，“doi-asserted-by”：“crossref”，“非结构化”：“Cheng，L.F.，Darnell，G.，Chivers，C.，Draugelis，M.E.，Li，K.，Engelhardt，B.E.：用于医学时间序列预测的稀疏多输出高斯过程。BMC Med.Inform.Decis.Making 20（152）（2020）”，“DOI”：“10.1186\/s12911-020-1069-4”}，｛“key”：“22_CR3”，“DOI asserted by”：“publisher”，“first page”：“562”，“DOI”：“10.1093\/biomet\/45.34-562”，“volume”：“45”，“author”：“DR Cox”，“year”：“1958”，“unstructured”：“Cox，D.R.：二元回归模型的两个进一步应用。Biometrika 45，562\u2013565：“68”，“作者”：“TPA Debray”，“年份”：“2015年”，“非结构化”：“Debray，T.P.A.，Vergouwe，Y.，Koffijberg，H.，Nieboer，D.，Steyerberg，E.W.，Moons，K.G.M.：增强临床预测模型外部验证研究解释的新框架。《临床流行病学杂志》68（3），279\u201389（2015）”，“杂志标题”：“临床流行病学杂志”}，{“关键”：“22_CR5”，“doi-asserted-by”：“publisher”，“first page”：“314”，“doi”：“10.1109\/TBME.2014.2351376”，“volume”：”62“，“author”：“R D\u00fcrichen”，“year”：“2014”，“unstructured”：“D\u00fcrichen，R.，Pimentel，M.，Clifton，L.，Schweikard，A.，Clifon，D.：多元生理时间序列分析的多任务高斯过程。IEEE Trans.BioMed.Eng.62，314\u2013322（2014）”，“日志标题”：“IEEE Trans.BioMed.Eng.”}，{“键”：“22_CR6”，“非结构化”：“Futoma，J.，Hariharan，S.，Heller，K.：学习使用多任务高斯过程RNN分类器检测脓毒症。In:机器学习国际会议。JMLR.org（2017）”}，{“key”：“22_CR7”，“unstructured”：“Gardner，J.R.，Pless，G.，Bindel，D.，Weinberger，K.Q.，Wilson，A.G.：GPyTorch:黑箱矩阵-矩阵高斯过程推理与GPU加速。CoRR abs \/1809.11165（2018）”}，{“key”：“22_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Ghassemi，M.等人：用稀疏、异质的临床数据评估和预测ICU疾病严重性的多变量时间序列建模方法。摘自：第二十届AAAI人工智能会议论文集，AAAI 2015，pp.446\u2013453。AAAI Press（2015）“，”DOI“：”10.1609\/AAAI.v29i1.9209“}，{”issue“：”1“，”key“：”22_CR9“，”DOI-asserted-by“：”publisher“，”first page“：“1”，“DOI”：“10.1038\/s41597-019-0103-9”，“volume”：“6”，“author”：“H Harutyunyan”，“year”：“2019”，”unstructured“：”Harutyunyan，H.、Khachatrian，H.，Kale，D.C.、Ver Steeg，G.、Galstyan，A.：临床时间序列数据的多任务学习和基准测试。科学。数据6（1），1\u201318（2019）“，“新闻标题”：“科学。数据“｝，｛“问题”：“8”，“密钥”：“22_CR10”，“由”断言的doi：“出版商”，“第一页”：“1735”，“doi”：“10.1162\/neco.1997.9.81735”，“卷”：“9”，“作者”：“S Hochreiter”，“年份”：“1997”，“非结构化”：“Hochreiter，S.，Schmidhuber，J.：长短期记忆。神经计算。9（8），1735\u20131780（1997）”，“期刊标题”：“神经计算。”｝，｛“键”：“22_CR11”，“doi-asserted-by“：”crossref“，”unstructured“：”Johnson，A.E.等人：MIMIC-III，一个可自由访问的危重病护理数据库。科学。Data 3，160035（2016）“，“DOI”：“10.1038\/sdata.2016.35”}，{“key”：“22_CR12”，“unstructured”：“Kingma，D.P.，Ba，J.：Adam:a method for random optimization（2014）。引文arxiv:1412.6980注释：在圣地亚哥第三届国际学习代表大会（2015）上发表会议论文”}Mackay，D.J.C.：自适应模型的贝叶斯方法。博士论文，美国（1992年）。uMI订单号GAX92-32200“｝，｛“key”：“22_CR14”，“doi asserted by”：“publisher”，“首页”：“40”，“doi”：“10.1007\\s0134-011-2390-2”，“volume”：“38”，“author”：“L Minne”，“year”：“2012”，“nonstructured”：“Minne，L.，Eslami，S.，de Keizer，N.，de Jonge，E.，de Rooij，S.E.，Abu-Hanna，A.：定制SAPS-II模型性能随时间变化对护理质量评估的影响。《重症监护医学》38，40\u201346（2012）“，“journal-title”：“重症监护医学”}，{“key”：“22_CR15”，“doi-asserted-by”：“publisher”，“first-page”：“1330”，“doi”：“10.1175\/1520-0493（1987）115<1330:AGFFFV>2.0.CO；2”，“volume”：Murphy，A.，Winkler，R.：预测验证的一般框架。周一。《天气评论》115，1330\u20131338（1987）“，“新闻标题”：“周一。Weather Rev.“}，{“key”：“22_CR16”，“unstructured”：“Nestor，B.等人：非平稳健康记录中的特征鲁棒性：在常见临床机器学习任务中对可部署模型性能的警告。摘自：Doshi-Velez，F.等人（编辑）第四届医疗保健机器学习会议论文集。《机器学习研究论文集》，密歇根州安阿伯，第106卷，第381\u2013405页。PMLR（2019）“}，{”key“：”22_CR17“，”doi-asserted-by“：”crossref“，”unstructured“：”Qui\u00f1onero Candela，J.，Ramussen，C.E.，Williams，C.K.I.：高斯过程回归的近似方法。技术报告MSR-TR-2007-124（2007）“，”doi“：”10.7551\/mitpress\/7496.003.0011“}”，{“key”：“22_CR18”，“unstructure”：“”Rajkomar，A.等人：电子健康记录的可扩展和准确的深度学习。CoRR abs \/1801.07860（2018）“}，{“key”：“22_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Rasmussen，C.E.，Williams，C.K.I.：机器学习的高斯过程（自适应计算和机器学习）。麻省理工学院出版社，剑桥（2005）”，“doi”：“10.7551\/mitpress\/3206.0001”}，}，“key“：”22_CR20“，”doi-asserted-by“：”crossref.“，”非结构化“：”Roberts，S.，Osborne，M.，Ebden，M.、Reece，S.、Gibson，N.、Aigrain，S.：时间序列建模的高斯过程。菲洛斯。事务处理。R.Soc.（2012）“，“DOI”：“10.1098\/rsta.2011.0550”}，{“key”：“22_CR21”，“unstructured”：“Shickel，B.，Loftus，T.J.，Ozrazgat-Baslanti，T.，Ebadi，A.，Bihorac，A.、Rashidi，P.：DeepSOFA：使用深度学习的实时连续视力评分框架。CoRR abs \/1802.10238（2018）”}Wilson，A.G.，Hu，Z.，Salakhutdinov，R.R.，Xing，E.P.：随机变分深核学习。收录：Lee，D.D.，Sugiyama，M.，Luxburg，U.V.，Guyon，I.，Garnett，R.（编辑）《神经信息处理系统进展》29，第2586\u20132594页。Curran Associates，Inc.（2016）“}，{“key”：“22_CR23”，“unstructured”：“Wilson，A.G.，Hu，Z.，Salakhutdinov，R.，Xing，E.P.：深层内核学习。摘自：Gretton，A.，Robert，C.C.（编辑）第19届国际人工智能与统计会议记录。《机器学习研究论文集》，西班牙加的斯，第51卷，第370\u2013378页。PMLR（2016）“}，{“key”：“22_CR24”，“unstructured”：“Wilson，A.G.，Nickisch，H.：可扩展结构化高斯过程的内核插值（KISS-GP）。In:机器学习国际会议。JMLR.org（2015）”}]，“container-title”：[“医学中的人工智能”，“计算机科学中的讲稿”]，“original-title“：[]，”链接“：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-77211-6_22“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,1,31]]，”date-time“：“2024-01-31T10:05:35Z”，”timestamp“：1706695535000}，”score“：1，”resource“：{“primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-77211-6_22“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2021]]}，“ISBN”：[“9783030772109”，“97830030772116”]，”引用计数“：24，”URL“：”http://\/dx.doi.org\/10.1007\/9783-030-77211-6_2“，”关系“：{}，‘ISSN’：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“value”：“0302-7743”value“：“1611-3349”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2021]]}，“assertion”：[{“value”：”2021年6月8日“，“order”：1，“name”：“first_online”，“label”：“first online”，“：”会议缩写“，”组“：{”名称“：”ConferenceInfo“，”label“：”会议信息“｝｝，｛”value“：”国际医学人工智能会议“，”order“：2，”name“：”Conference_name“，”label“：”会议名称“，”group“：｛”name“：”ConferenceInfo“，”label“：”会议信息“｝｝，｛”value“：”2021“，”order“：5，”name“：”Conference_eyear“，”label“：”会议年份“，”group“：”name“：”ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”2021年6月15日“，”order“：7，”name“：”Conference_start_date“，“label”：“会议开始日期”，“group”：{“name”：“ConferenceInfo”，“lable”：“Meeting Information”}，“value”：“2021年06月18日”，“order”：8，“name”:“Conference_end_date”“”label“：”会议信息“}}，{“value”：“aime2021”，“order”：10，“name”：“Conference_id”，“label”：“会议id”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}“，”标签“：”会议信息“}}]}}