Feb, 2024

路径签名和图神经网络用于慢地震分析：更好的配合？

PDF
TL;DR通过将路径签名与图卷积神经网络相结合，利用路径签名进行特征提取和图卷积神经网络处理空间相互作用的优势，我们在慢地震序列分析和传感器网络分析方面的应用表明了方法的潜力。
path signaturegraph neural networksfeature extractionslow earthquake sequencessensor network analysis
发现论文，激发创造
  • 使用循环神经网络和长度归一化路径签名实现在线签名验证

    该研究介绍了一个基于循环神经网络和新型描述子的在线签名验证系统，以最小化种内变差、推高假样本和真实样本之间的差距，并提取具有所需特征的 LNPS 描述子，最终在公开数据集中获得了 2.37% 的等误差率表现。

    May, 2017

  • 嵌入及签名学习

    本文介绍了一种新颖的序列学习方法，即基于粗路径理论的签名方法，该方法通过嵌入将离散采样数据表示为路径。作者深入研究了三个数据集，并表明特定的 embedding 方法，称为 “lead-lag embedding”，在所有考虑的算法和数据集上表现最好。通过一个实证研究，作者还发现将整个路径域上的 signature 与其他简单算法相结合，可以达到与特定领域专门方法相竞争的结果。

    Nov, 2019

  • 图神经网络和时间序列作为定向图的质量识别

    本文研究了图神经网络在时间序列分析中的应用，将时间序列视为有向图，利用图神经网络的结构探索时间依赖性，并开发了两个几何深度学习模型，一个用于有监督分类，另一个用于信号重构。将这些模型应用于质量识别问题。

    Oct, 2023

  • 癫痫预测的路径签名

    通过对长期患者数据集的分析，研究人员提出了用于预测特定患者癫痫发作的统计特征的自动发现和量化方法，其中使用了现有和新颖的特征提取算法，特别是路径标识这一时间序列分析的最新发展技术。

    Aug, 2023

  • 地质时间序列的去噪处理：基于时空图神经网络的应用于慢滑事件提取

    本研究设计了一种多站点时空图形注意力去噪器，通过学习 GNSS 噪声的潜在特征以达到亚毫米精度的慢滑事件相关位移去噪，验证了该方法与震颤的良好时空相关性。

    May, 2024

  • 在线字符识别的稀疏签名数组

    本文探讨了如何使用路径特征作为卷积神经网络的输入来提升在线字符识别的精度，并研究了路径特征中的迭代积分在网络中的应用。实验结果表明，在 CASIA-OLHWDB1.1、MNIST 等数据集上，使用稀疏 CNN 训练，可以得到较高的识别精度。

    Aug, 2013

  • 条件 Sig-Wasserstein GANs 用于时间序列生成

    本研究通过引入数学原理的特征提取技术 “路径签名” 将生成式对抗网络（GANs）与时间序列数据相结合，开发了一种新型判别器和生成器方法，能够成功地在合成数据和实际数据集上优化相似性和预测能力的性能表现。

    Jun, 2020

  • 有符号图卷积网络

    本文提出了一种基于平衡理论的有向图卷积神经网络模型，用于在带有正负连接的有向图中进行节点表示学习，并证明其在 link sign prediction 等问题上的有效性。

    Aug, 2018

  • 基于图的信号的卷积神经网络架构

    该研究探索了卷积神经网络在图信号处理方面的应用，通过构建选择图神经网络和聚合图神经网络，对信号的卷积和池化进行了重新解释，实现了在图数据上的卷积神经网络。此外，该研究还对选择和聚合图神经网络在一个基于源定位和作者归属的应用中进行了性能分析和评估。

    May, 2018

  • 使用布隆签名学习可扩展的结构表示以进行链接预测

    通过使用基于 Bloom 特征的消息传递框架，我们提出了一种学习结构化链接表示的方法，并证明其在速度和内存效率上比现有边缘模型更具表达力和可扩展性。

    Dec, 2023