PulseAugur
中
实时 16:08:21
English(EN) Cascade-KDE: Robust Time-Series Restoration under Out-of-Distribution Impulse Corruptions

Cascade-KDE 框架从脉冲噪声中恢复时间序列数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为 Cascade-KDE 的新框架，旨在恢复损坏的时间序列数据。该方法特别能有效应对脉冲异常值，这在工业、医疗保健和能源等领域的真实世界数据中很常见。Cascade-KDE 通过估计数据密度，然后使用鲁棒的期望方法来最小化极端值的影响，最后进行自适应精炼过程。该框架旨在保留关键的局部结构和导数峰值，在重建精度、特征保持和效率方面均优于现有方法。 AI

影响 引入了一种新颖的噪声时间序列数据预处理技术，有望改善各行业的下游 AI 任务。

排序理由 该集群包含一篇详细介绍时间序列恢复新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yuefeng Liu, Ning Yang, Ziyu Yang ·

    Cascade-KDE: Robust Time-Series Restoration under Out-of-Distribution Impulse Corruptions

    arXiv:2605.24055v1 Announce Type: cross Abstract: Real-world time-series data in industrial sensing, healthcare, and energy systems is often corrupted by a mixture of Gaussian noise and occasional large-magnitude impulse outliers. For tasks that depend on local shape, such as ECG…

相关话题