实体
continuous wavelet transform
continuous wavelet transform
PulseAugur coverage of continuous wavelet transform — every cluster mentioning continuous wavelet transform across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
深度学习革新纳米孔传感中的肽分类
研究人员开发了一种新颖的深度学习方法，利用纳米孔单分子传感来对肽进行分类。通过连续小波变换将嘈杂的离子电流信号转换为尺度图，该方法将肽识别问题转化为图像分类任务。该技术在42种肽的数据集上实现了82%的宏平均分类准确率，比先前的方法提高了8.6个百分点。训练好的模型在压缩方面也表现出韧性，在权重减半和8位量化下仍能保持准确率，为部署在嵌入式硬件上进行即时诊断铺平了道路。
-
YOLO 模型利用 CWT 频谱图增强轴承故障检测
研究人员开发了一种新的轴承故障监测振动传感框架，该框架利用连续小波变换 (CWT) 频谱图和 YOLOv9、YOLOv10 和 YOLOv11 等目标检测模型。这种方法通过在时频域中定位能量区域来增强对弱信号和非平稳故障特征的检测。在基准数据集上的实验表明，与传统方法相比，检测能力和鲁棒性得到了提高，并取得了较高的平均精度 (mAP) 分数。
-
新的WaveDetect框架增强了对LLM生成文本的检测能力
研究人员开发了WaveDetect，一个用于检测大型语言模型（LLM）生成文本的新框架。与分析令牌概率的先前方法不同，WaveDetect将生成文本视为信号，并使用连续小波变换来识别内在的“光谱指纹”。这种方法在对抗性攻击、领域转移和不断发展的LLM方面表现出卓越的准确性和鲁棒性，在多个基准数据集上取得了最先进的成果。