論文の概要: Continuous Temporal Representations of Event-Based Signals via Interference-Based Wave Modeling

• arxiv url: http://arxiv.org/abs/2605.01270v1
• Date: Sat, 02 May 2026 06:04:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.676698
• Title: Continuous Temporal Representations of Event-Based Signals via Interference-Based Wave Modeling
• Title（参考訳）: 干渉波モデリングによるイベントベース信号の連続時間表現
• Authors: Magnus Bengtsson,
• Abstract要約: 干渉に基づく波動表現に基づく連続時間モデリングフレームワークを提案する。 提案された定式化はイベント駆動バイオシグナーに特に適している。 本手法は,バイオメカニカルシステムにおける下流制御タスクのためのsEMGデータからの学習を支援するように設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spatio-temporal signals arising from event-driven biological processes, such as surface electromyography (sEMG), exhibit asynchronous and highly structured activation patterns that are challenging to model using conventional discrete or purely real-valued representations. In this work, we propose a continuous temporal modeling framework based on interference-based wave representations. The approach maps event-like input signals into a complex-valued latent wave field, where temporal structure is encoded through phase modulation and interactions between latent components. By projecting the resulting wave field onto an energy domain, the model induces structured activation patterns that capture both temporal localization and relational dependencies within finite observation windows, without relying on explicit recurrence or causal state propagation. The proposed formulation is particularly suited for event-driven biosignals, where continuous representations enable efficient gradient-based optimization and robust feature extraction. In particular, the method is designed to support learning from sEMG data for downstream control tasks in biomechanical systems, such as prosthetic devices and exoskeletons. Experimental results demonstrate that the proposed interference-based wave model provides improved representation quality compared to purely real-valued representations, while maintaining computational efficiency suitable for practical deployment.
• Abstract（参考訳）: 表面筋電図(sEMG)のような事象駆動生物学的過程から生じる時空間信号は、従来の離散的あるいは純粋に実数値表現を用いてモデル化することが困難である、非同期かつ高度に構造化された活性化パターンを示す。 本研究では,干渉に基づく波動表現に基づく時間連続モデリングフレームワークを提案する。 このアプローチは、イベントのような入力信号を複雑な値の潜時波場にマッピングし、位相変調と潜時成分間の相互作用を通じて時間構造を符号化する。 結果の波動場をエネルギー領域に投影することにより、モデルは、明示的な再発や因果状態の伝播に頼ることなく、有限観測窓内の時間的局所化と関係性の両方を捉える構造的活性化パターンを誘導する。 提案した定式化はイベント駆動型生体信号に特に適しており、連続表現は効率的な勾配に基づく最適化とロバストな特徴抽出を可能にする。 特に, 人工装具や外骨格などの生体力学的システムにおいて, 下流制御タスクのための sEMG データからの学習を支援するように設計されている。 実験結果から,提案する干渉型波動モデルにより,実数値表現よりも表現品質が向上し,実用的展開に適した計算効率が維持できることが示された。

関連論文リスト

• WaveSSM: Multiscale State-Space Models for Non-stationary Signal Attention [22.983737182781244]
  状態空間モデル(SSM)は、長距離シーケンスモデリングの強力な基盤として登場した。 本稿では,ウェーブレットフレーム上に構築されたSSMの集合であるemphWaveSSMを紹介する。 我々のキーとなる観察は、ウェーブレットフレームが時間次元の局所的な支持を与え、正確な局所化を必要とするタスクに役立ちます。
  論文  参考訳（メタデータ） (2026-02-25T06:27:22Z)
• Wavefront-Constrained Passive Obscured Object Detection [18.56759054781774]
  視界の向こう側にあるかすかな光のパターンから、隠された物体を正確に位置決めし、セグメンテーションすることは極めて困難である。 既存のほとんどの手法は、実数値モデリングや局所的な畳み込み操作に基づいており、コヒーレント光伝播の基礎となる物理を捉えるには不十分である。 本稿では,波面伝播をシミュレーションし,不明瞭な物体の知覚を高める物理駆動型波面伝搬補償ネットワーク(WavePCNet)を提案する。
  論文  参考訳（メタデータ） (2025-11-26T02:46:15Z)
• Kuramoto Orientation Diffusion Models [67.0711709825854]
  指紋やテクスチャなどのオリエンテーションに富んだ画像は、しばしばコヒーレントな角模様を示す。 生体系における位相同期の役割を動機として,スコアベース生成モデルを提案する。 一般的な画像ベンチマークで競合する結果を実装し,指紋やテクスチャなどの指向性データセットの生成品質を大幅に向上する。
  論文  参考訳（メタデータ） (2025-09-18T18:18:49Z)
• Inference-Time Gaze Refinement for Micro-Expression Recognition: Enhancing Event-Based Eye Tracking with Motion-Aware Post-Processing [2.5465367830324905]
  イベントベースの視線追跡は、きめ細かい認知状態の推測に重要な可能性を秘めている。 本稿では、既存の事象に基づく視線推定モデルの出力を高めるために、モデルに依存しない推論時間改善フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-14T14:48:11Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
  拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。 我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。 我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:38:28Z)

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。