实体
Aionoscope
Aionoscope
PulseAugur coverage of Aionoscope — every cluster mentioning Aionoscope across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
LeNEPA：新的时间序列自监督学习方法减少对数据增强的依赖
研究人员推出了一种新颖的时间序列数据自监督学习方法LeNEPA，该方法不需要数据增强。LeNEPA利用因果骨干网络和下一个潜在标记预测目标，采用基于SIGReg的各向同性正则化以及用于损失计算的轻量级投影空间。在ECG数据和合成诊断语料库上的实验表明，LeNEPA能够更快地获得表示，并且即使在跨不同数据集重用其方法而不进行调整的情况下，也能保持有用的性能增益，在某些场景下优于类似的固定JEPA方法。
-
新工具Aionoscope探查时间序列模型中的潜在状态可访问性
研究人员推出Aionoscope，这是一种新颖的诊断工具，旨在评估时间序列表示中潜在状态的可访问性。该生成器系统旨在揭示这些表示是否保留了关键的过程信息，例如时间、相位、幅度和频率，而这些信息在标准的预测或分类评估中常常被忽略。使用原始过程混合物在37个模型适配器系统上进行的初步评估突显了一个重大差距：虽然大多数系统可以识别组件的存在，但它们难以可靠地暴露密集的进程状态信息，这表明一种潜在的故障模式，即表示在粗略级别上看起来具有信息量…