{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,30]]，“日期-时间”：“2024-06-30T13:47:29Z”，“时间戳”：1719755249863}，“引用-计数”：44，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-零件”：[2019,11,1]]，《日期-时间》：“2019-11-01T00:00:00 Z“，”timestamp“：1572566400000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“名称”：“国家重点研发”，“奖项”：[“2018YFB1700200”]}]，”content-domain“：{”domain“:[”elsevier.com“，”sciencedirect.com“]，”crossmark-restriction“：true}，”short-container-title“：[”Neurocompub“]lished-print“：{“date-parts”：[[2019,11]]}，“DOI”：“10.1016\/j.neucom.2019.07.066”，“type”：“期刊文章”，“已创建”：｛“日期部分”：[[2019,7.26]，“日期时间”：“2019-07-26T23:47:31Z”，“时间戳”：15641848151000｝，“page”：“54-65”，“更新策略”：“http:\/\/dx.doi.org/10.1016\/elsevier_cm_policy”，“source”：“Crossref”，“由count引用”：43，“title”：[“使用不完整数据训练的删除轨迹的自动编码器输入缺失值”]，“前缀”：“10.1016”，“卷”：“366”，”作者“：[{“给定”：“小陈”，“家族”：“赖”，“序列”：“第一”，“从属关系”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0001-6110-2244”，“authenticated-ORCID”：false，“给定的”：“夏”，“家庭”：“吴”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Liyong”，“family”：“Zhang”，“sequence”：“additional”，“affeliance”：[]}]}]，“成员”：“78”，“reference”：[{“key”：“10.1016\/j.neucom.2019.07.066_bib0001”，“doi-asserted-by”：“crossref”，“首页”：“34”，“doi”：“101016\/j.jbi.2017.11.011”，《文章标题》：“临床信息提取应用：文献综述”，“卷”：“77”，“作者”：“Wang”，“年份”：“2018”，“期刊标题”：“j.Biomed.Inform.”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0002”，“doi断言者”：“crossref”，“首页”：“18042”，“doi”：“10.1109\/ACCESS.2017.2747560”，“文章标题”：“物联网卷积和递归神经网络网络流量分类器”，“卷”：“5”，“作者”：“Lopez-Martin”，“年份”：“2017”，“期刊标题”：“IEEE ACCESS”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0003”，“doi-asserted-by”：“crossref”，“first page”：“R53”，“doi”：“10.1088\/0954-898X_9_4_001”，“article-title”：“棘波分类方法综述：神经动作电位的检测和分类”，“volume”：《9》，“author”：“Lewicki Michael”，《年份》：“1998年”，“journal title”：《网络》}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0004”，“首页”：“6572”，“文章标题”：“神经常微分方程”，“作者”：“陈”，“年份”：“2018”，“日记标题”：《高级神经信息处理系统》}，{“key”：“10.106\/j.neucom.2029.07.066_ bib0005”，“doi-asserted-by”：“crossref”，“第一页”：”263“doi”：“101007\/s00521-009-02 95-6“，”物品标签“：“缺少数据的模式分类：综述”，“卷”：“19”，“作者”：“Garc\u00eda-Laencina”，“年份”：“2010”，“日志标题”：“神经计算应用”}，{“键”：“10.1016\/j.neucom.2019.07.066_bib0006”，“doi-asserted-by”：“crossref”，“首页”：“3692”，“doi”：“101016\/j.patcog.2008.05.019”，《文章标题》：“缺失值插补对离散数据分类错误的影响”，“volume”：“41”，“author”：“Farhangfar”，“year”：“2008”，“journal-title”：“Pattern Recognit.”}，{“key”：”10.1016\/j.neucom.2019.07.066_bib0007“，”doi-asserted-by“：”crossref“，”first page“：”1087“，“doi”：“10.1016\/jclinepi.2006.014”，“article-title“：“综述：缺失值插补的简要介绍”，“卷”：“59”，“作者”：“Rogier”，“年份”：“2006”，“期刊标题”：“临床流行病学杂志”}，{“关键”：“10.1016\/J.neucom.2019.07.066_bib0008”，“doi-asserted-by”：“crossref”，“首页”：“6085”，“doi”：“101038\/s41598-018-24271-9”，“文章标题”：“缺失值多元时间序列的递归神经网络”，“volume”：“8”，“author”：“Che”，“year”：“2018”，“journal-title”：“Sci.Rep.”}，{“key”：”10.1016\/j.neucom.2019.07.066_bib0009“，”first page“：”542“，”article-title“：“使用自联想神经网络和遗传算法对测量数据不完整的结构进行故障分类”，“卷”：“90”，“作者”：“Marwala”，“年份”：“2006”，“期刊标题”：“Curr.Sci.”}，{“键”：“10.1016\/j.neucom.2019.07.066_bib0010”，“doi-asserted-by”：“crossref”，“首页”：“297”，“doi”：“101016\/j.neucomm.2018.067”，“article-title”：“基于LSTM的缺失数据交通流预测”，“volume”：“318”，“author”：“Tian”，“year”：“2018”，“journal-title“：”Neurocomputing“}，{“key”：”10.1016\/j.neucom.2019.07.066_bib0011“，”doi-asserted-by“：”crossref“，”first page“：”40“，”doi“：”10.1111\/j.1751-5823.010.00103.x“，”article-title“：“对调查非2010年回应的热甲板插补的回顾”，“卷”：“78”，“作者”：“安德里奇·丽贝卡”，“年份”：“2010”，“期刊标题”：“Int.Stat.Rev.”}，｛“key”：“10.1016\/j.neucom.20199.07.066_bib0012”，“doi断言者”：“crossref”，“首页”：“683”，“doi”：“10.1111\/rssa.12140”，“文章标题”：“重复测量观察性研究中处理缺失数据的多重\u2010插补方法比较”，“卷”：“179”，“作者”：“Kalaycioglu”，“年份”：“2016”，“期刊标题”：“J.R.Stat.Soc.”}，{“key”：“10.1016\/J.neucom.2019.07.066_bib0013”，“首页”：“1”，“文章标题”：“通过EM算法获得不完整数据的最大似然”，“volume”：“39”，“author”：“Dempster”，“year”：“1977”，“journal-title”：“J.R.Stat.Soc.”}，{“key”：”10.1016\/J.neucom.2019.07.066_bib0014“，”doi-asserted-by“：”crossref“，”first page“：”311“，”doi“10.1016\/J.knosys.2013.12.005”，“article-title“：“FIMUS：使用共现、相关性和相似性分析插补缺失值的框架”，“卷”：“56”，“作者”：“Rahman”，“年份”：“2014”，“日志标题”：“基于知识的系统”}，{“键”：“10.1016\/j.neucom.2019.066_bib0015”，“doi-asserted-by”：“crossref”，“首页”：“51”，“doi”：“101016\/j.knosys.2016.01.048”，“文章标题”：“基于缺失值概率信息颗粒的不完全数据的模糊C均值聚类”，“卷”：“99”，“作者”：“张”，“年份”：“2016”，“期刊标题”：“基于知识的系统”}，{“关键字”：“10.1016\/j.neucom.2019.07.066_bib0016”，“首页”：“251”，“文章标题”：《k近邻作为插补方法的研究》，“卷“87”，“author”：“Batista”，“year”：“2002”，“journal-title”：“Hybrid Intell.Syst.”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0017”，“doi-asserted-by”：“crossref”，“首页”：“60”，“doi”：“10.016\/j-neucom.2014.02.061”，“article-title“：”SOM和GTM中的自组织和缺失值“，”卷“：”147“，”author“：”Vatanen“，”年份”：“2015年”，“新闻标题”：“Neurocomputing”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0018”，“doi-asserted-by”：“crossref”，“首页”：“51”，“doi”：“101016\/j.knosys.2013.08.023”，“article-title”：“通过拆分和合并记录使用决策树和决策林进行缺失值插补：两种新技术”，“volume”：”53“，“author”：“Rahman”，“year”：“2013”，“journal-title”：“Knowl.Based Syst.”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0019”，“doi-asserted-by”：“crossref”，“首页”：“105”，“doi”：“101016\/j.artmed.2010.05.002”，“article-title“在实际乳腺癌问题中使用统计和机器学习方法进行缺失数据插补”，“volume”:“50”，“author”：“Jerez”，“year”：“2010”，“journal-title”：“Artif.Intern.Med.”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0020”，“doi-asserted-by”：“crossref”，“first-pages”：“3039”，“doi”：“101016\/j.neucomm.2010.06.021”，“article-title“基于神经网络的不完整数据集重建框架”，“volume”：”73“author”：“Gheyas”，“year”：“2010”，“jornal-title:”Neuro计算”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0021”，“doi-asserted-by”：“crossref”，“首页”：“17”，“doi”：“101016\/j.neucomm.2016.08.044”，“article-title”：“基于概率神经网络的分类数据插补”，“volume”：”218“author”：“Nishanth”，“year”：“2016”，“journal-title“：”Neurocomputing“}，{”key“10.1016/j.neucom”。2019.07.066_bib0022“，“doi-asserted-by”：“crossref”，“first page”：“106”，“doi”：“10.1016\/j.neucom.2014.02.037”，“article-title”：“基于广义回归自联想神经网络的在线数据插补新方法”，“volume”：”138“，“author”：“Ravi”，“year”：“2014”，“journal-title“：”Neurocomputing“}，{“key”:“10.1016 \/j-neucom.2019.07.066_bib0023”，“doi-asserted-by”：“crossref”，“first page”：“220”，“DOI”：“10.1016\/j.neucom.2015.03.108”，“article-title”：“使用多重插补的缺失数据的极端学习机器”，“volume”：”174“，“author”：“Sovilj”，“year”：“2016”，“journal-title“：”Neurocomputing“}，{”key“：”10.1016\\j.neucomm.2019.07.066_bib0024“，”DOI-asserted-by“：”crossref.“，“first-page”：“830”，“DOI”“”：“10.1016\/j.pce.2011.07.041”，“article-title”：“使用人工神经网络填充卢武武河流域缺失的降雨量数据”，“volume”：“36”，“author”：“Nkuna”，“year”：“2011”，“journal-title“：”Phys.Chem.Earth“}，{“key”：”10.1016\/j.neucom.2019.07.066_bib0025“，”doi-asserted-by“：”crossref“，”first-page:“121”，“doi”：“10.1016\/j.neunet.2010.09.008”，“article-title”：“使用多层感知器对完全缺失的随机数据进行缺失值插补”，“volume”：“24”，“author”：“Silva-Ram\u00edrez”，“year”：“2011”，“journal-title“：”Neural Netw.E“}，{“key”：”10.1016\\j.neucom.2019.07.066_bib0026“，”doi-asserted-by“：”crossref“，”first page“：”288“，”doi“：“10.1016\/j.ins.2015.07.016”，“article-title”：“基于反向传播自相关神经网络的数据插补”，“volume”：“325”，“author”：“Gautam”，“year”：“2015”，“journal-title“：”Inf.Sci.（NY）“}，{“key”：”10.1016\/j.neucom.2019.07.066_bib0027“，”series-title“：“2016年第三届信息技术最新进展国际会议（RAIT）”，“首页”：“197”，“文章标题”：“使用模糊c均值和多层感知器进行数据插补：简单v\/s复杂数据集”，“作者”：“Azim”，”年份“：”2016“}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0028”，“series-title”：“2014 IEEE国际高级计算会议（IACC）”，“首页”：“1281”，“文章标题”：“数据插补的混合模型：使用模糊c均值和多层感知器”，“作者”：“Azim”，“年份”：“2014”}，{“关键”：“10.1016\/j.neucom.2019.07.066_bib0029”，“系列标题”：”2015 IEEE第三届国际计算控制论会议（ICCC）“，”first page“：”207“，”article-title“：“使用遗传算法和神经网络近似数据库中的缺失数据”，“author”：“Abdella”，“year”：“2015”}，{“key”：“10.1016\/j.neucom.2019.07.066_bib0030”，“doi-asserted-by”：“crossref”，“first pages”：“49”，“doi”：“101016\/j.ins.2009.10.008”，“article-title”：“使用神经网络进行缺失数据估计的动态规划方法”，“卷”：“237”，“作者”：“Nelwamondo”，“年份”：“2013年”，“期刊标题”：“Inf.Sci。（NY）“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0031“，”doi-asserted-by“：”crossref“，”first page“：“25”，“doi”：“10.1016\/j.ins.2013.01.021”，“article-title”：“使用优化模糊c-means和支持向量回归和遗传算法插补缺失值的混合方法”，“volume”：“233”，“author”：“Aydilek”，“year”：“2013”，“”journal-title“：”信息科学。（NY）“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0032“，”首页“：”4705“，”article-title“：”使用k近邻和神经网络估计数据库中缺失值的新混合方法“，”volume“：“8”，”author“：”Aydilek“，”year“：”2012“，”journal-title”：“Int.j.Innov.Comput.Inf.Control”}，”{“key”：“”10.1016\/j.neucom.2019.07.066_bib0033“，”doi-asserted-by“：”crossref“，”doi“：”10.1155\/2018\/2935248“，”article-title“：”基于PSO-SVR优化的FCM的缺失交通数据插补方法“，”author“：”Shang“，”year“：”2018“，”journal-title”：“j.Adv.Transp。“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0034“，”doi-asserted-by“：”crossref“，”first page“：“73”，“doi”：“10.1007\/BF01421959”，“article-title”：“处理基于神经网络的诊断系统中的缺失值”，“volume”：“3”，“author”：“Sharpe”，“year”：“1995”，“journal-title“：”neural Compute.Appl.“}”，{“key”：”10.116\/j-neucom.2019.07.066_bib0035“，”doi-asserted-by“：”crossref“，”first page“：”1207“，”doi“：”10.1016\/j.anucene.2005.03.005“，”article-title“：”信号分析中的自联想神经网络：II。应用于模拟沸水堆组件的在线监测”，“卷”：“32”，“作者”：“Marseguerra”，“年份”：“2005”，“期刊标题”：“Ann.Nucl。Energy“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0036“，”doi-asserted-by“：”crossref“，”first page“：“168”，“doi”：“10.1016\/j.trc.2016.09.015”，“article-title”：“交通数据插补深度学习的有效实现”，“volume”：“72”，“author”：“Duan”，“year”：“2016”，“journal-title“：”Transp.Res.C“}”，{“key”：”10.1016\/j.neucom.2019.07.066_bib0037“，”doi-asserted-by“：”crossref“，”first page“：”134“，“doi”：“10.1016\\j.neucomm.2014.12.073”，“article-title”：“通过进化计算、聚类和神经网络的数据插补”，“volume”：“156”，“author”：“Gautam”，“year”：“2015”，“journal-title“：”“Neurocomputing”}，{“key”：”10.1016//j.neudom.2019.07.66_bib005 8英寸第一页“：”282“，”article-title“：”处理缺失输入的多任务神经网络“，”volume“：”4527“，”author“：”Garc\u00eda-Laencina“，”year“：”2007“，”journal-title”：“Int.Work Conf.Interp。自然制品。计算。“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0039“，”doi-asserted-by“：”crossref“，”first page“：“1333”，“doi”：“10.1016\/j.eswa.2012.08.057”，“article-title”：“使用多任务学习感知器对缺失值的模式进行分类”，“volume”：“40”，“author”：“Garc\u00eda-Laencina”，“year”：“2013”，“journal-title“：”专家系统应用程序“}，{“密钥”：“10.1016\/j.neucom.2019.07.066_bib0040“，”doi-asserted-by“：”crossref“，”first page“：”42“，”doi“：”10.1007\/s00521-003-0372-1“，”article-title“：”自组织映射在不完全数据集数据挖掘中的应用“，”volume“：“12”，”author“：”Wang“，”year“：”2003“，”journal-title”：“Neural Compute”。应用。“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0041“，”doi-asserted-by“：”crossref“，”first page“：“300”，“doi”：“10.1007\/s00521000002”，“article-title”：“调查中数据插补和更正的自组织图”，“volume”：“10”，“author”：“Fessant”，“year”：“2002”，“journal-title“：”Neural Compute.Appl.“}”，{“key”：”10.116\/j.neucom.2019.07.066_bib0042“，”series-title“：”缺少数据和预处理感知器“，”author“：”Westin“，”year“：”2002“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0043“，”doi-asserted-by“：”crossref“，”first page“：Kamarthi Sagar”，“年份”：“1999年”，“新闻标题”：“神经网络”。“}，{”key“：”10.1016\/j.neucom.2019.07.066_bib0044“，”series-title“：”Deep Learning“，”author“：”Goodfellow“，”year“：”2016“}]，”container-title“：[”Neurocomputing“]，”original-title”：“[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S092523119310732？httpAccept=text\/xml“，”content-t type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S092523119310732？httpAccept=text\/plain”，“content-type”：“text\/plan”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2019,9,28]]，“date-time”：”2019-09-28T01:04:26Z“，“timestamp”：156 9632666000}，“分数”：1，“resource“：{”primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0925231219310732”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2019,11]]}，”references-count“：44，”alternative-id“：[”S092523119310732“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.neucom.2019.09 7.066“，”关系“：{}，”ISSN“：[”0925-2312“]，”ISSN-type“：[{”value“：”0925-2132”，“type”：“print”}]，“subject”：[]，“published”：｛“date parts”：[[2019,11]]｝，“assertion”：[｛“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由”｝维护，｛“value”：“使用用不完整数据训练的删除跟踪的自动编码器对缺失值的估计”，“name”：“articlettle”，“label”：“文章标题”｝，｛“value”：“Neurocomputing“，”name“：”journaltitle“，”label“：”Journal Title“}，”{“value”：“https:\/\/doi.org\/101016\/j.neucom.2019.07.066”，“name”：“articlelink”，“label”：“CrossRef doi link to publisher maintained version”}，{“value”：“article”，“name”：“content_type”，“table”：“content-type”}label“：”版权所有“}]}}