Dec, 2016

基于核方法的动态图上时空函数重构

PDF
TL;DR本论文提出了一种新的基于核函数的图函数重建框架，该框架能够适应时间演化拓扑下的时变函数，并提供了两种互补强度的时空核构造指南，同时引入了批处理和在线估计方法，以及一种新型的核卡尔曼滤波方法，数值测试显示与竞争方法相比，该方法具有显著优势。
graph-based methodsspatiotemporal dynamicskernel-based function reconstructiontime-evolving topologieskernel kalman filter
发现论文，激发创造
  • 基于多核克里格卡尔曼滤波的图空时函数推断

    本文介绍了一种基于核函数和克里格 - Kalman 滤波器的图信号重建方法，其结合多核心选择模块，来优化信号动态变化下的核函数选择和同时减少计算复杂度，实验结果表明，该方法在信号重建方面优于现有的最新算法。

    Nov, 2017

  • 基于核方法的图信号重构

    本文研究基于图信号的信号处理问题，提出了一种基于核回归的模型方法，能够有效地处理图信号的重构和估计问题，并通过多核方法的应用，解决了参数选择和滤波器自动选择的难题。

    May, 2016

  • 基于核函数的图函数推断

    这项工作提出了一个通用的基于核的框架来解决网络节点定义函数的推理问题，既考虑静态又考虑动态设置，并提出了一些有效的建模方法来处理实际问题。

    Nov, 2017

  • 弹性参数推断空时霍克斯过程

    发展一种快速灵活的参数推理技术，以恢复涉及空间 - 时间 Hawkes 过程的强度函数中的内核函数的参数。

    Jun, 2024

  • 用于分类传播过程的时态图核

    本文提出了一种将标准图内核应用于时间领域的框架，包括三种不同的方法，并探讨了时间信息损失和效率之间的平衡，通过实际应用于真实世界的社交网络得出，考虑了时间信息对传播过程的成功分类至关重要。

    Oct, 2019

  • 动态和非平稳环境中的基于核的函数学习

    机器学习中一个核心主题是从稀疏和嘈杂的数据中进行函数估计。本文研究了内核岭回归，并推导了在非平稳分布下的收敛条件，同时解决了可能无限次发生的随机调适情况，包括重要的探索 - 开发问题。

    Oct, 2023

  • 学习从有限观测的时空图中重建缺失数据

    该论文提出了一种基于注意力机制的体系结构，可以在处理高度稀疏的时间序列数据时提高自动编码器的鲁棒性，达到填充（imputation）缺失值的目的。

    May, 2022

  • 时空序列中的稀疏图学习

    本文提出了一种基于分数的概率方法，学习图的关系依赖性。该方法可用于时间序列预测，可在最大化任务性能的同时控制图的稀疏性和计算可扩展性，同时提高了准确性。

    May, 2022

  • 解缠空间时间图生成模型

    该论文旨在通过使用新的解缩深度生成模型，将时空图分解成空间，时间和图形因素以及解释它们之间相互作用的因素，并使用情报瓶颈理论来最大化这些因素之间的解缠，通过定性和定量实验，在合成和现实世界数据集上展示了该模型优于现有技术的表现。

    Feb, 2022

  • 一个时间 - 顶点信号处理框架

    该研究提出了一种名为 “Time-Vertex Signal Processing” 的框架，通过将时域信号处理技术与新的图信号处理工具相结合，旨在提高联合谐波分析的概念，并通过分析图上的简单偏微分方程的状态演变作为一种分析工具的形式，来处理高维非欧几里德数据，并证明该方法在多种应用中具有实际应用价值。

    May, 2017