論文の概要: When Should a Model Change Its Mind? An Energy-Based Theory and Regularizer for Concept Drift in Electrocardiogram (ECG) Signals

• arxiv url: http://arxiv.org/abs/2602.22294v1
• Date: Wed, 25 Feb 2026 15:23:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.362668
• Title: When Should a Model Change Its Mind? An Energy-Based Theory and Regularizer for Concept Drift in Electrocardiogram (ECG) Signals
• Title（参考訳）: 心電図(ECG)信号における概念ドリフトのエネルギーベース理論と正規化器
• Authors: Timothy Oladunni, Blessing Ojeme, Kyndal Maclin, Clyde Baidoo,
• Abstract要約: 既存のコンセプトドリフトフレームワークは、主に分散しており、モデルの内部表現がどれだけ動くかについての原則化されたガイダンスを提供していない。 本研究では,物理エネルギー保存理論(PECT)を紹介した。 PECTは、仮想的なドリフトの下では、正規化された潜時変位は正規化された信号エネルギーの変化と比例してスケールすべきであり、一方、この比例性の持続的な違反は実際の概念ドリフトを示す。
• 参考スコア（独自算出の注目度）: 0.9239657838690226
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Models operating on dynamic physiologic signals must distinguish benign, label-preserving variability from true concept change. Existing concept-drift frameworks are largely distributional and provide no principled guidance on how much a model's internal representation may move when the underlying signal undergoes physiologically plausible fluctuations in energy. As a result, deep models often misinterpret harmless changes in amplitude, rate, or morphology as concept drift, yielding unstable predictions, particularly in multimodal fusion settings. This study introduces Physiologic Energy Conservation Theory (PECT), an energy-based framework for concept stability in dynamic signals. PECT posits that under virtual drift, normalized latent displacement should scale proportionally with normalized signal energy change, while persistent violations of this proportionality indicate real concept drift. We operationalize this principle through Energy-Constrained Representation Learning (ECRL), a lightweight regularizer that penalizes energy-inconsistent latent movement without modifying encoder architectures or adding inference-time cost. Although PECT is formulated for dynamic signals in general, we instantiate and evaluate it on multimodal ECG across seven unimodal and hybrid models. Experiments show that in the strongest trimodal hybrid (1D+2D+Transformer), clean accuracy is largely preserved (96.0% to 94.1%), while perturbed accuracy improves substantially (72.6% to 85.5%) and fused representation drift decreases by over 45%. Similar trends are observed across all architectures, providing empirical evidence that PECT functions as an energy-drift law governing concept stability in continuous physiologic signals.
• Abstract（参考訳）: 動的生理的信号を操作するモデルは、良性、ラベル保存変数と真の概念変化を区別しなければならない。 既存の概念ドリフトフレームワークは、主に分布しており、基礎となる信号が生理学的に妥当なエネルギー変動を受けたときに、モデルの内部表現がどれだけ動くかに関する原則的なガイダンスを提供していない。 その結果、深層モデルはしばしば振幅、速度、形態の無害な変化を概念のドリフトとして誤解し、不安定な予測をもたらす。 本研究では,物理エネルギー保存理論(PECT)を紹介した。 PECTは、仮想的なドリフトの下では、正規化された潜在変位は正規化された信号エネルギーの変化と比例してスケールすべきであり、一方、この比例性の持続的な違反は実際の概念ドリフトを示す。 我々は,エネルギ制約表現学習(ECRL)を通じてこの原理を運用する。これは,エンコーダアーキテクチャの変更や推論時間コストの追加を伴わずに,エネルギー一貫性のない潜伏運動をペナルティ化する軽量正規化器である。 PECTは一般に動的信号に対して定式化されているが、7つのユニモーダルおよびハイブリッドモデルにわたるマルチモーダルECG上でこれをインスタンス化し評価する。 実験により、最強のトリモーダルハイブリッド(1D+2D+トランスフォーマー)では、清潔な精度(96.0%から94.1%)が維持され、摂動精度(72.6%から85.5%)が大幅に改善され、融合した表現のドリフトが45%以上減少することが示された。 同様の傾向は全てのアーキテクチャで見られ、PECTが連続的な生理的信号における概念安定性を規定するエネルギードリフト法則として機能するという実証的な証拠を提供する。

関連論文リスト

• Bidirectional Temporal Dynamics Modeling for EEG-based Driving Fatigue Recognition [8.553069379167221]
  運転疲労は交通事故の主要な原因であり、道路の安全に深刻な脅威をもたらす。 脳波に基づく疲労認識は、強い非定常性と非対称神経力学によって妨げられる。 我々は,脳波に基づく運転疲労認識のための双方向時間ダイナミクスを明示的に捉える新しいフレームワークDeltaGateNetを提案する。
  論文  参考訳（メタデータ） (2026-02-15T09:42:25Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Physics-Embedded Neural ODEs for Sim2Real Edge Digital Twins of Hybrid Power Electronics Systems [6.073480880825787]
  エッジデジタルツイン(EDT)は電力電子システム(PES)の監視と制御に不可欠である 既存のモデリングアプローチは、PESに固有の継続的な進化するハイブリッドダイナミクスを継続的に捉えるのに苦労している。 本稿では,複合動作機構をイベントオートマトンとして組み込んで,スイッチング離散を明示的に制御する物理埋め込み型ニューラルネットワーク(PENODE)を提案する。
  論文  参考訳（メタデータ） (2025-08-04T20:34:13Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• Steady State Photoisomerization Quantum Yield of Model Rhodopsin: Insights from Wavepacket Dynamics? [0.0]
  我々はロドプシンにおける網膜色素の非平衡定常テクスチシス転移光異性化をシミュレートする。 定常反応量子収率(QY)は、系の交差点上の過剰エネルギーと強く相関している。
  論文  参考訳（メタデータ） (2022-01-30T03:31:13Z)
• Spherical Motion Dynamics: Learning Dynamics of Neural Network with Normalization, Weight Decay, and SGD [105.99301967452334]
  SMD (Spherical Motion Dynamics) と名付けられた, 正規化, 重崩壊 (WD) , SGD (運動量) を伴うニューラルネットワークの学習力学について述べる。 我々は,ImageNet や MSCOCO など様々なコンピュータビジョンタスクにおける仮定と理論的結果を標準設定で検証する。
  論文  参考訳（メタデータ） (2020-06-15T14:16:33Z)
• Cat states in a driven superfluid: role of signal shape and switching protocol [62.997667081978825]
  運動エネルギーをゼロ時間平均で振動させた1次元Bose-Hubbardモデルの挙動について検討する。 システムパラメータの変動に対して,この非従来的基底状態のロバスト性を分析する。
  論文  参考訳（メタデータ） (2020-05-11T15:15:06Z)

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。