标签
本文介绍了SynerT，一个泄露感知的多模态评估框架，用于早期术中急性肾损伤预测，表明结构化的临床背景对于有效的风险分层至关重要，优于仅基于波形的建模。
本文介绍了一个用于以太坊参与者分类的泄漏感知评估框架，将XGBoost等基于树的模型与序列深度学习模型（Transformer、BiLSTM）进行比较。作者发现，在减少泄漏的条件下，XGBoost优于序列模型，同时具有更低的延迟和能耗。