实体
Temporal Convolutional Networks
Temporal Convolutional Networks
PulseAugur coverage of Temporal Convolutional Networks — every cluster mentioning Temporal Convolutional Networks 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
-
深度学习模型在生理信号情感识别准确率达98.91%
研究人员开发了一种用于从生理信号识别情感的深度学习方法，准确率高达98.91%。该研究使用包含腕部和胸部传感器数据的WESAD数据集，评估了长短期记忆（LSTM）、时序卷积网络（TCN）和Transformer模型。研究结果表明，Transformer模型在多模态输入方面表现最佳，而TCN在仅使用腕部数据时表现优异。结合所有架构和模态预测的集成方法获得了最高的整体性能。
-
新框架助力预测任务的神经架构选择
研究人员开发了EVIDENT框架，用于选择时间序列预测的神经网络架构，该框架在数据有限、嘈杂或异构的情况下特别有用。该方法使用贝叶斯训练和基于证据的排名来识别满足特定验证标准的、最简单的模型，从而避免参数不足和过度参数化。将其应用于1型糖尿病患者的血糖预测（使用时间卷积网络），EVIDENT成功识别出能够很好地泛化到新患者的模型，并通过加权集成提高了预测性能。
-
新的ES-VAE模型改进了骨骼姿态轨迹分析
研究人员开发了一种弹性形状变分自编码器（ES-VAE），旨在更有效地建模骨骼姿态轨迹。该新模型使用一种感知几何的表示方法来分离内在形状动力学和运动，消除了相机视角和执行速度等干扰因素。在从步态周期预测临床活动能力评分和动作识别任务等应用中，ES-VAE已证明其性能优于标准的VAE和其他序列建模基线。