实体
Linear State-Space Models for Blind Source Separation
Linear State-Space Models for Blind Source Separation
PulseAugur coverage of Linear State-Space Models for Blind Source Separation — every cluster mentioning Linear State-Space Models for Blind Source Separation 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
-
新框架优化基于注意力机制的预测中的Patch长度
研究人员开发了一个理论框架，用于解释Patch长度对基于注意力机制的时间序列预测模型性能的影响。该框架通过平衡表示误差和估计误差，提供了一种选择最佳Patch长度的原则性方法。分析阐明了预测结构、头数、训练样本量和长程依赖性等因素如何影响这一选择标准。
-
新方法将非线性动力学提炼为线性状态空间模型
研究人员开发了一种从非线性动力学系统学习线性状态空间模型的新颖流程。这种称为光谱蒸馏（Spectral Distillation）的方法，首先使用观测光谱滤波（Observation Spectral Filtering, OSF）通过凸优化方法学习隐式谱预测器。随后，该预测器被转换为显式的循环线性动力学系统。该方法在预测误差上提供了可证明的保证，其误差依赖于观测器复杂度而非潜在维度，并在线性基准和 MuJoCo 行为克隆的实验中证明了其有效性。