Fugu-MT 論文翻訳(概要): Time-warping estimation via stationarity-based learning of the de-warped signal

論文の概要: Time-warping estimation via stationarity-based learning of the de-warped signal

arxiv url: http://arxiv.org/abs/2609.16796v1
Date: Tue, 15 Sep 2026 08:02:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 14:56:08.399585
Title: Time-warping estimation via stationarity-based learning of the de-warped signal
Title（参考訳）: 定常性に基づく復調信号の学習による時変推定
Abstract要約: タイムワープ推定は、バイオ音響学、レーダー、バイオメディカル分析における信号処理の基本的な問題である。本稿では,1つの観測からタイムワープ関数を推定するためのTWETモデルを提案する。
参考スコア（独自算出の注目度）: 0.8594140167290095
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Time-warping estimation is a fundamental problem in signal processing with applications in bioacoustics, radar, and biomedical analysis. This paper introduces a Time-Warping Estimation Trainable (TWET) model for estimating timewarping functions from a single observation. The proposed approach formulates time-warping estimation as a stationarization problem in the wavelet domain and leverages a hierarchical dilated convolutional architecture to estimate the time-warping functions. A differentiable stationarity criterion is introduced for end-to-end optimization. TWET is compared with existing approaches. Experimental results show improved deformation reconstruction accuracy together with significantly reduced computation time, making the framework compatible with low-latency applications.
Abstract（参考訳）: タイムワープ推定は、バイオ音響学、レーダー、バイオメディカル分析における信号処理の基本的な問題である。本稿では,1つの観測からタイムワープ関数を推定するためのTWETモデルを提案する。提案手法は,ウェーブレット領域の定常化問題としてタイムワープ推定を定式化し,階層的な拡張畳み込み構造を利用して時間ワープ関数を推定する。エンドツーエンドの最適化のために、微分可能な定常基準を導入する。 TWETは既存のアプローチと比較される。実験の結果, 変形復元精度が向上し, 計算時間も大幅に短縮された。

関連論文リスト

From Atoms to Entropy: Optimal Noise Allocation for Diffusion Training in the Convex Regime [52.459513910242485]
拡散訓練における最適な雑音レベルアロケーションを研究するための一般統計フレームワークを開発する。最適化されたトレーニングスケジュールは、有限個のノイズレベルに集中した原子最小値を持つことを示す。次に,大規模実験におけるエントロピック・スケジュールの評価を行った。
論文参考訳（メタデータ） (2026-07-10T20:59:06Z)
Temporal Structure Matters for Efficient Test-Time Adaptation in Wearable Human Activity Recognition [0.20391237204597365]
テスト時間適応(TTA)は、実世界のクロスユーザー分散シフト下での性能低下を緩和する。既存の手法は主に視覚タスクから仮定を継承し、WHARストリームに固有のウィンドウ間時間構造を過小評価する。本稿では,WHARのための軽量かつバックプロパゲーションフリーなTTAフレームワークであるSIGHTを提案する。
論文参考訳（メタデータ） (2026-05-06T08:06:27Z)
Predictor-Based Output-Feedback Control of Linear Systems with Time-Varying Input and Measurement Delays via Neural-Approximated Prediction Horizons [6.093618731228799]
我々は,入力と測定の両方に遅延のあるシステムに対して,出力フィードバック予測器を設計する。予測水平線が十分に小さな誤差で近似された場合, 結果として得られる閉ループ系は指数関数的に安定であることを示す。
論文参考訳（メタデータ） (2026-03-31T01:09:24Z)
Direct Interval Propagation Methods using Neural-Network Surrogates for Uncertainty Quantification in Physical Systems Surrogate Model [8.373469792572356]
工学では、不確実性伝播は不確実な入力の下でシステム出力を特徴づけることを目的としている。標準区間伝搬は、複雑なシステムに計算コストがかかる最適化問題の解法に依存する。出力境界を直接予測する区間値回帰問題として区間伝搬を再構成する。
論文参考訳（メタデータ） (2026-03-22T16:25:43Z)
Statistical benchmarking of transformer models in low signal-to-noise time-series forecasting [0.0]
時間的・横断的な自己注意を交互に行う双方向アテンショントランスフォーマーは,標準ベースラインより優れていることを示す。また、トレーニング中に適用された注意行列の動的スペーシフィケーション手法を導入し、ノイズの多い環境において顕著に有効であることを示す。
論文参考訳（メタデータ） (2026-02-10T15:13:57Z)
Efficient Convolutional Forward Model for Passive Acoustic Mapping and Temporal Monitoring [4.219150964619931]
時間領域における畳み込みの定式化に基づくPAMビームフォーミングフレームワークを提案する。この枠組みでは、PAMは、フォワード演算子がキャビテーション活性を記録された電波信号にマッピングする逆問題として定式化される。次に、キャビテーション活動に関する事前知識を組み込んだ正規化逆変換を定式化する。
論文参考訳（メタデータ） (2026-01-12T09:32:26Z)
Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。 ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
論文参考訳（メタデータ） (2025-06-01T22:55:55Z)
Posterior Sampling with Delayed Feedback for Reinforcement Learning with Linear Function Approximation [62.969796245827006]
Delayed-PSVI は楽観的な値に基づくアルゴリズムであり、後続サンプリングによる雑音摂動により値関数空間を探索する。我々のアルゴリズムは、未知の遅延が存在する場合に、$widetildeO(sqrtd3H3 T + d2H2 E[tau]$最悪の後悔を実現する。遅延LPSVIのための勾配に基づく近似サンプリングスキームをLangevin動的に組み込んだ。
論文参考訳（メタデータ） (2023-10-29T06:12:43Z)
USTEP: Spatio-Temporal Predictive Learning under A Unified View [62.58464029270846]
UTEP(Unified S-Temporal Predictive Learning)は,マイクロテンポラリスケールとマクロテンポラリスケールを統合した再帰的および再帰的フリーな手法を再構築する,革新的なフレームワークである。
論文参考訳（メタデータ） (2023-10-09T16:17:42Z)
Efficient Estimation for Longitudinal Networks via Adaptive Merging [21.62069959992736]
本稿では, 適応型ネットワークマージ, テンソル分解, 点過程の強みを利用した長手ネットワークの効率的な推定手法を提案する。近隣のスパースネットワークをマージし、観測されたエッジの数を拡大し、推定分散を低減する。提案手法は,各イテレーションにおける推定誤差の上限を設定することにより,推定を容易にする。
論文参考訳（メタデータ） (2022-11-15T03:17:11Z)
Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文参考訳（メタデータ） (2020-06-19T21:04:47Z)
A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文参考訳（メタデータ） (2020-03-16T03:43:59Z)

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。