实体
Empirical Mode Decomposition
Empirical Mode Decomposition
PulseAugur coverage of Empirical Mode Decomposition — every cluster mentioning Empirical Mode Decomposition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
新的IMFACT框架为时间序列分类器生成可信的反事实解释
研究人员开发了IMFACT，一个用于为时间序列分类器生成反事实解释的新框架。这种模型无关的方法在经验模态分解的分解空间内运行，将输入信号分解为内在模态函数（IMFs）。通过用来自最近不同邻居（NUN）的IMFs替换选定的IMFs，IMFACT旨在将分类器的预测翻转到目标类别，同时保持可信度。在基准数据集上的实验表明，具有多个NUN的基于方差的策略在可靠性和可信度方面优于现有的基线技术。
-
新的FLO-EMD框架在交通拥堵分类中达到97.5%的准确率
研究人员开发了FLO-EMD，一种新颖的混合交通拥堵分类框架，它将视觉场景上下文与时间运动分析相结合。该方法使用密集光流来引导注意力机制，将视觉特征精炼到与运动相关的区域。然后，系统使用经验模态分解来分解聚合的流统计数据，以提取内在的时间分量，并将其与时空表示融合进行分类。