論文の概要: Personalized Convolutional Dictionary Learning of Physiological Time Series

• arxiv url: http://arxiv.org/abs/2503.07687v1
• Date: Mon, 10 Mar 2025 14:27:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:45:03.193383
• Title: Personalized Convolutional Dictionary Learning of Physiological Time Series
• Title（参考訳）: 生理的時系列の個人化畳み込み辞書学習
• Authors: Axel Roques, Samuel Gruffaz, Kyurae Kim, Alain Oliviero-Durmus, Laurent Oudre,
• Abstract要約: ローカル辞書がローカル情報をパーソナライズしたグローバル辞書としてモデル化するPerCDLを提案する。 この変換は学習可能であり、時間のワープや回転といった操作を組み合わせることができる。
• 参考スコア（独自算出の注目度）: 4.958589793470847
• License:
• Abstract: Human physiological signals tend to exhibit both global and local structures: the former are shared across a population, while the latter reflect inter-individual variability. For instance, kinetic measurements of the gait cycle during locomotion present common characteristics, although idiosyncrasies may be observed due to biomechanical disposition or pathology. To better represent datasets with local-global structure, this work extends Convolutional Dictionary Learning (CDL), a popular method for learning interpretable representations, or dictionaries, of time-series data. In particular, we propose Personalized CDL (PerCDL), in which a local dictionary models local information as a personalized spatiotemporal transformation of a global dictionary. The transformation is learnable and can combine operations such as time warping and rotation. Formal computational and statistical guarantees for PerCDL are provided and its effectiveness on synthetic and real human locomotion data is demonstrated.
• Abstract（参考訳）: ヒトの生理的信号は、グローバル構造と局所構造の両方を示す傾向があり、前者は集団間で共有され、後者は個人間の多様性を反映している。 例えば、移動中の歩行周期の運動学的測定は共通の特徴を呈するが、生体力学的沈着や病理学により慣用性も観察できる。 局所的な言語構造を持つデータセットをよりよく表現するために、この研究は、時系列データの解釈可能な表現(辞書)を学習するための一般的な方法である畳み込み辞書学習(CDL)を拡張した。 特に、ローカル辞書がローカル情報をグローバル辞書のパーソナライズされた時空間変換としてモデル化するパーソナライズドCDL(PerCDL)を提案する。 この変換は学習可能であり、時間のワープや回転といった操作を組み合わせることができる。 PerCDLの形式的計算および統計的保証を提供し、その合成および実人の移動データに対する有効性を示す。

関連論文リスト

• Examining and Adapting Time for Multilingual Classification via Mixture of Temporal Experts [4.796752450839119]
  複数の言語で時間をかけて分類器を一般化するフレームワークを開発する。 分析の結果,分類性能は言語によって異なることがわかった。 我々の研究は分析的な洞察を提供し、時間を考慮したモデルの必要性に対処する。
  論文  参考訳（メタデータ） (2025-02-12T22:30:18Z)
• Verbalized Representation Learning for Interpretable Few-Shot Generalization [130.8173035901391]
  Verbalized Representation Learning (VRL)は、オブジェクト認識のための人間の解釈可能な特徴を自動的に抽出する新しいアプローチである。 本手法は,クラス間の差異とクラス内共通点を自然言語形式で把握する。 VRLは従来の最先端手法よりも24%の絶対的な改善を実現している。
  論文  参考訳（メタデータ） (2024-11-27T01:55:08Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Personalized Dictionary Learning for Heterogeneous Datasets [6.8438089867929905]
  パーソナライズド辞書学習(PerDL)という問題を紹介した。 目的は、共通点を共有する異種データセットから疎線型表現を学ぶことである。 PerDLでは、各データセットの共有およびユニークな機能をグローバルおよびローカル辞書としてモデル化します。
  論文  参考訳（メタデータ） (2023-05-24T16:31:30Z)
• Decoupling Local and Global Representations of Time Series [38.73548222141307]
  本稿では,時系列における大域的・局所的な変動要因の表現を学習するための新しい生成手法を提案する。 実験では,シミュレーションデータ上での真の局所的および大域的変動係数の回復を実証した。 表現を定義する方法の提案は、データモデリングに有用であり、実世界のデータの複雑さに関するより良い洞察をもたらすと信じています。
  論文  参考訳（メタデータ） (2022-02-04T17:46:04Z)
• Combating Temporal Drift in Crisis with Adapted Embeddings [58.4558720264897]
  言語の使用は時間とともに変化し、NLPシステムの有効性に影響を与える可能性がある。 本研究は,危機時の言論変化に対応する方法を検討する。
  論文  参考訳（メタデータ） (2021-04-17T13:11:41Z)
• Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
  ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。 行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。 学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
  論文  参考訳（メタデータ） (2021-03-23T11:10:04Z)
• Local and non-local dependency learning and emergence of rule-like representations in speech data by Deep Convolutional Generative Adversarial Networks [0.0]
  本稿では、音声データにおける局所的および非局所的依存関係に対するGANのトレーニングは、ディープニューラルネットワークが連続データをどのように識別するかについての洞察を与える。
  論文  参考訳（メタデータ） (2020-09-27T00:02:34Z)
• Learning Universal Representations from Word to Sentence [89.82415322763475]
  この研究は普遍的な表現学習、すなわち一様ベクトル空間における言語単位の異なるレベルへの埋め込みを導入し、探求する。 本稿では, 単語, 句, 文の観点から, 類似したデータセットを構築するためのアプローチを提案する。 適切なトレーニング設定を組み込んだよく訓練されたトランスフォーマーモデルが、効果的に普遍的な表現が得られることを実証的に検証する。
  論文  参考訳（メタデータ） (2020-09-10T03:53:18Z)
• Think Locally, Act Globally: Federated Learning with Local and Global Representations [92.68484710504666]
  フェデレートラーニング(Federated Learning)とは、複数のデバイスに分散したプライベートデータ上でモデルをトレーニングする手法である。 本稿では,各デバイス上でコンパクトな局所表現を共同で学習する新しいフェデレーション学習アルゴリズムを提案する。 また、プライバシが鍵となる実世界のモバイルデータから、パーソナライズされた気分予測のタスクを評価する。
  論文  参考訳（メタデータ） (2020-01-06T12:40:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。