論文の概要: Fixation Sequences as Time Series: A Topological Approach to Dyslexia Detection

• arxiv url: http://arxiv.org/abs/2604.21698v1
• Date: Thu, 23 Apr 2026 14:07:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.581668
• Title: Fixation Sequences as Time Series: A Topological Approach to Dyslexia Detection
• Title（参考訳）: 時系列としての固定シーケンス:Dyslexia検出のためのトポロジカルアプローチ
• Authors: Marius Huber, David R. Reich, Lena A. Jäger,
• Abstract要約: 時系列のための新しいフィルタを開発し,眼球追跡データ解析のためのトポロジ的手法を提案する。 本手法を眼球追跡時データから失読症検出の課題に適用し,実証的に評価した。
• 参考スコア（独自算出の注目度）: 2.8840856121252396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persistent homology, a method from topological data analysis, extracts robust, multi-scale features from data. It produces stable representations of time series by applying varying thresholds to their values (a process known as a \textit{filtration}). We develop novel filtrations for time series and introduce topological methods for the analysis of eye-tracking data, by interpreting fixation sequences as time series, and constructing ``hybrid models'' that combine topological features with traditional statistical features. We empirically evaluate our method by applying it to the task of dyslexia detection from eye-tracking-while-reading data using the Copenhagen Corpus, which contains scanpaths from dyslexic and non-dyslexic L1 and L2 readers. Our hybrid models outperform existing approaches that rely solely on traditional features, showing that persistent homology captures complementary information encoded in fixation sequences. The strength of these topological features is further underscored by their achieving performance comparable to established baseline methods. Importantly, our proposed filtrations outperform existing ones.
• Abstract（参考訳）: トポロジ的データ解析の手法である永続化ホモロジーは、データから堅牢でマルチスケールな特徴を抽出する。 これは、その値に様々なしきい値を適用することで、時系列の安定した表現を生成する(「textit{filtration}」と呼ばれるプロセス)。 本研究では,時系列に対する新しいフィルタを開発し,時系列として固定シーケンスを解釈し,従来の統計特徴と組み合わせた「ハイブリッドモデル」を構築することにより,視線追跡データの解析のためのトポロジ的手法を導入する。 Copenhagen Corpus を用いた視線追跡時読影データから失読を検知する作業に本手法を応用し,本手法を実証的に評価した。 我々のハイブリッドモデルは、従来の特徴にのみ依存する既存のアプローチよりも優れており、永続的ホモロジーは固定シーケンスに符号化された相補的な情報をキャプチャすることを示している。 これらのトポロジ的特徴の強みは、確立されたベースライン法に匹敵する性能を達成することでさらに強調される。 重要なことに,提案した濾過法は既存の濾過法より優れている。

関連論文リスト

• CoPHo: Classifier-guided Conditional Topology Generation with Persistent Homology [14.522233245543687]
  トポロジー構造は、性能と堅牢性の研究を支える。 テストやリリースに望ましい特性を持つ合成グラフの生成。 条件ホモロジーを用いた持続的トポロジー生成(CoPho)を提案する。 4つのジェネリック/ネットワークデータセットの実験では、CoPHoがターゲットメトリクスにマッチする既存のメソッドよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2025-12-17T13:10:22Z)
• Structural Classification of Locally Stationary Time Series Based on Second-order Characteristics [18.368110934638207]
  本稿では,局所定常時系列の2つのクラスを区別する数値的,実用的,理論的に厳密な分類法を提案する。 本手法は,局所定常時系列に対する自己回帰近似に基づいて,アンサンブルアグリゲーションと距離に基づく分類しきい値を組み合わせたものである。 トレーニングサンプルサイズには要件がなく、誤分類エラー率をゼロにすることが示されている。
  論文  参考訳（メタデータ） (2025-07-06T04:00:26Z)
• MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
  時系列予測は、周波数の異なる周期特性から導かれる。 マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。 主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-03-11T11:40:14Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• Mutual Exclusivity Training and Primitive Augmentation to Induce Compositionality [84.94877848357896]
  最近のデータセットは、標準的なシーケンス・ツー・シーケンスモデルにおける体系的な一般化能力の欠如を露呈している。 本稿では,セq2seqモデルの振る舞いを分析し,相互排他バイアスの欠如と全例を記憶する傾向の2つの要因を同定する。 広範に使用されている2つの構成性データセット上で、標準的なシーケンス・ツー・シーケンスモデルを用いて、経験的改善を示す。
  論文  参考訳（メタデータ） (2022-11-28T17:36:41Z)
• Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
  時系列データは、気候、経済、医療などいくつかの領域で広く使われている。 最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。 ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
  論文  参考訳（メタデータ） (2021-10-11T13:46:28Z)
• Interpretable Feature Construction for Time Series Extrinsic Regression [0.028675177318965035]
  一部のアプリケーション領域では、対象変数が数値であり、その問題は時系列外部回帰(TSER)として知られている。 TSERの文脈における頑健で解釈可能な特徴構築と選択のためのベイズ法の拡張を提案する。 私たちのアプローチは、TSERに取り組むためのリレーショナルな方法を利用します:(i)、リレーショナルデータスキームに格納されている時系列の多様で単純な表現を構築し、(ii)二次テーブルからデータを「フラット化」するために解釈可能な機能を構築するためにプロポジション化技術を適用します。
  論文  参考訳（メタデータ） (2021-03-15T08:12:19Z)
• Compact representation of temporal processes in echosounder time series via matrix decomposition [0.7614628596146599]
  本研究では,データに内在する特徴を用いて,時系列のコンパクトな表現を構築する手法を開発した。 この研究は、海洋における大規模で音響に基づく生物学的観測のための堅牢な時系列解析を構築する基盤となる。
  論文  参考訳（メタデータ） (2020-07-06T17:33:42Z)
• Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
  定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。 ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。 本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-05T07:06:19Z)

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。