新的潜在记忆表提供了先进的纵向数据分析

研究人员推出了一种新颖的纵向数据分析单元——潜在记忆表（Latent Memory Table），旨在总结近期历史并可在整个统计工作流程中重复使用。该统计对象使用一个记忆算子进行估计，该算子将掩码窗口历史映射到有限维状态。所提出的方法根据六个属性进行了验证，包括可恢复性和可解释性，并使用复合质量指数（Q）进行总结。一项使用 SoccerMon 数据的案例研究表明，潜在记忆表达到了约 0.73 的 Q 分数，优于经典的滞后主成分基线。 AI

影响 引入了一种新颖的统计对象，用于分析纵向数据，可能改善对时间序列运动员监测的见解。

排序理由 该项目是一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXivLabs
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Latent Memory Table
• ScienceCast
• SoccerMon
• Transformer++

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →