Dynamic and Baseline Multi-Task Learning for Predicting Substance Use Initiation in the ABCD Study
यह अध्ययन प्रदर्शित करता है कि मल्टी-टास्क लर्निंग को गतिशील, अनुदैर्ध्य मॉडलिंग (longitudinal modeling) के साथ एकीकृत करना, स्थिर बेसलाइन दृष्टिकोणों की तुलना में किशोरों में नशीली दवाओं के सेवन की शुरुआत के पूर्वानुमान में महत्वपूर्ण रूप से सुधार करता है, जो मुख्य रूप से समय-परिवर्तनीय जोखिम कारकों और विभिन्न पदार्थों के बीच साझा जानकारी का लाभ उठाने के कारण होता है।