Dynamic and Baseline Multi-Task Learning for Predicting Substance Use Initiation in the ABCD Study
Dit onderzoek toont aan dat dynamisch multi-task learning, dat longitudinale gegevens en gedeelde informatie tussen verschillende middelen combineert, de voorspelling van het begin van middelengebruik bij adolescenten in de ABCD-studie significant verbetert ten opzichte van statische modellen.