Fugu-MT 論文翻訳(概要): Spectra-Guided Neural Tucker Factorization

論文の概要: Spectra-Guided Neural Tucker Factorization

arxiv url: http://arxiv.org/abs/2606.00584v1
Date: Sat, 30 May 2026 07:24:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:28.537858
Title: Spectra-Guided Neural Tucker Factorization
Title（参考訳）: スペクトル誘導型ニューラルタッカー因子化
Abstract要約: 本稿では,高次元および不完全(HDI)テンソル完備化のためのスペクトル誘導型ニューラルタッカーファクトリゼーション(SG-NTF)を提案する。 SG-NTFは離散的な表現限界をアーカイブし、タイムスタンプを連続的なスペクトル空間にマッピングし、抽象的時間周期性を実現する。
参考スコア（独自算出の注目度）: 0.6662008799232669
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper proposes Spectra-Guided Neural Tucker Factorization (SG-NTF) for High-Dimensional and Incomplete (HDI) tensor completion. Circumventing discrete representational limits, SG-NTF maps scalar timestamps into a continuous spectral space to abstract temporal periodicities. Concurrently, a Spatio-Temporal Co-Gating (STCG) mechanism explicitly filters latent interactions via multiplicative modulation on spatiotemporal contexts. Evaluations on real-world HDI tensors verify that SG-NTF maintains competitive completion accuracy with parameter efficiency.
Abstract（参考訳）: 本稿では,高次元および不完全(HDI)テンソル完備化のためのスペクトル誘導型ニューラルタッカーファクトリゼーション(SG-NTF)を提案する。 SG-NTFは離散的な表現限界を包含し、スカラータイムスタンプを連続的なスペクトル空間にマッピングし、抽象的時間周期性を実現する。同時に時空間共ゲーティング(STCG)機構は時空間の多重変調による潜時相互作用を明示的にフィルタリングする。実世界のHDIテンソルの評価は、SG-NTFがパラメータ効率で競合完了精度を維持することを検証する。

関連論文リスト

I\ extsuperscript{2}RiMA: Spectral Riemannian Representation with Temporal Attention for Mental Stress Detection based on EEG Signals [14.944883272011445]
識別的ストレス関連パターンは主観的依存と周波数依存の両方であるため、クロスオブジェクトEEGストレス検出は困難である。脳波を用いたストレス検出のためのイントラインターリーマン多様体注意ネットワークを提案する。精度は82.78%まで向上し、パラメータは1.60M、FLOPは31.95Mに留まった。
論文参考訳（メタデータ） (2026-07-01T07:23:32Z)
TF-SNO: Time-Frequency Gated Spectral Neural Operators for Learning Non-Stationary Partial Differential Equations [16.74001089426866]
Time-Frequency Gated Spectral Neural Operator (TF-SNO)は、スペクトルブロック内で学習可能な時間周波数ゲーティングを備えた状態適応型フレームワークである。 TF-SNOは、明示的な時間次元や時間埋め込みを導入することなく、進化状態から暗黙的に時間変動を学習する。 1Dおよび2Dにおける6つの非定常PDEベンチマークの実験により、TF-SNOは予測誤差を著しく低減し、強いベースラインに比べて堅牢性を向上させることが示された。
論文参考訳（メタデータ） (2026-06-19T07:57:43Z)
Parallel Complex Diffusion for Scalable Time Series Generation [50.01609741902786]
PaCoDiは周波数領域における生成モデリングを分離するスペクトルネイティブアーキテクチャである。本研究では,PaCoDiが生成品質と推論速度の両方において,既存のベースラインを上回っていることを示す。
論文参考訳（メタデータ） (2026-02-10T14:31:53Z)
Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
論文参考訳（メタデータ） (2026-02-10T14:13:36Z)
Spectral Gating Networks [65.9496901693099]
我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。 SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
論文参考訳（メタデータ） (2026-02-07T20:00:49Z)
Signal-SGN++: Topology-Enhanced Time-Frequency Spiking Graph Network for Skeleton-Based Action Recognition [0.23332469289621785]
スパイキングニューラルネットワーク(SNN)はエネルギー効率を提供するが、人間の動きの時間的・時間的・位相的依存関係を捉えるには限界がある。本稿では、適応性と時間周波数スパイキングダイナミクスを統合するトポロジ対応スパイキンググラフフレームワークであるSignal-SGN++を提案する。
論文参考訳（メタデータ） (2025-12-22T09:16:04Z)
Temporal correlations and chaos from spacetime kernel [0.0]
我々は最近導入された時間的絡み合いの概念の有限次元の定式化を開発する」。我々は高点相関関数に対応する一般化時空密度カーネルを導入する。平均的な$(2N)$-point関数がスペクトル形成係数の$(2N)$-thモーメントをもたらすことを示す。
論文参考訳（メタデータ） (2025-12-05T19:00:03Z)
Sheaf Graph Neural Networks via PAC-Bayes Spectral Optimization [13.021238902084647]
グラフニューラルネットワーク(GNN)のオーバースムース化は、異なるノード機能で崩壊を引き起こす。 SGPC (Sheaf GNNs with PAC-Bayes) は,セルラーシェーフメッセージパッシングと複数のメカニズムを組み合わせた統一アーキテクチャである。 9つのホモ親和性およびヘテロ親和性ベンチマークの実験により、SGPCは最先端スペクトルおよび層ベースGNNよりも優れた性能を示した。
論文参考訳（メタデータ） (2025-08-01T06:39:28Z)
SDTN and TRN: Adaptive Spectral-Spatial Feature Extraction for Hyperspectral Image Classification [1.2871580250533408]
ハイパースペクトル画像分類は、精密農業において重要な役割を担い、作物の健康モニタリング、病気の検出、土壌分析に関する正確な洞察を提供する。従来の手法は高次元データ、スペクトル空間の冗長性、ラベル付きサンプルの不足に悩まされ、しばしば準最適性能に繋がる。これらの課題に対処するために,テンソル分解と正規化機構を組み合わせた自己適応正規化ネットワーク(SDTN)を提案し,テンソルランクを動的に調整する。このアプローチは、高い分類精度を維持するだけでなく、計算の複雑さを大幅に減らし、リソース制約のある環境でのリアルタイムデプロイメントに非常に適している。
論文参考訳（メタデータ） (2025-07-13T04:53:33Z)
Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space [54.13671100638092]
Holistic Physics Mixer (HPM) は、スペクトルと物理情報を統一された空間に統合するためのフレームワークである。我々はHPMが精度と計算効率の両面で最先端の手法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2024-10-15T08:19:39Z)
Tangent Bundle Convolutional Learning: from Manifolds to Cellular Sheaves and Back [84.61160272624262]
この畳み込み操作に基づいて,タンジェントバンドルフィルタとタンジェントバンドルニューラルネットワーク(TNN)を定義する。タンジェントバンドルフィルタは、スカラー多様体フィルタ、グラフフィルタ、標準畳み込みフィルタを連続的に一般化するスペクトル表現を許容する。提案したアーキテクチャが様々な学習課題に与える影響を数値的に評価する。
論文参考訳（メタデータ） (2023-03-20T17:57:15Z)
Space-Time Graph Neural Networks [104.55175325870195]
本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
論文参考訳（メタデータ） (2021-10-06T16:08:44Z)
Spectral Tensor Train Parameterization of Deep Learning Layers [136.4761580842396]
重み行列の低ランクパラメータ化をDeep Learningコンテキストに埋め込まれたスペクトル特性を用いて検討する。分類設定におけるニューラルネットワーク圧縮の効果と,生成的対角トレーニング設定における圧縮および安定性トレーニングの改善について述べる。
論文参考訳（メタデータ） (2021-03-07T00:15:44Z)

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。