缺失下稳预测
把补全与预测分成并行任务顺序训练，避免因补全破坏原始数据特征而造成误差累积，在稀疏数据下仍保持稳定的预测精度。
Ao, Wang · Ye, Yongchao · Song, Xiaozhuang · Zhang, Shiyao · 余剑
IEEE Transactions on Intelligent Transportation Systems 2023
补全和预测作为并行任务顺序训练，避免传统先补全再预测流程中补全对原始数据特征的破坏。
在两个真实数据集上，面对20%至80%的缺失率，模型性能始终优于现有最优方法。
顺序训练两个任务可加速模型训练过程。