Transformers Outperform Traditional Forecasting Models and Perform Comparably to Recurrent Neural Networks in the Prediction of Emergency Department Visits using Calendar and Meteorological Data
1Citations signalées, ce qui n’est pas une note de qualité
0Institutions déclarées
0Pays d’affiliation déclarés
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Transformers Outperform Traditional Forecasting Models and Perform Comparably to Recurrent Neural Networks in the Prediction of Emergency Department Visits using Calendar and Meteorological Data
- Date Crossref
- 01/03/2026
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les sujets associés
Emergency and Acute Care StudiesMachine Learning in HealthcareForecasting Techniques and Applications