Buchumschlag

Adaptive Degradation Process with Deep Learning-Driven Trajectory

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Yang, Li
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modeling Discrete Coating Degradation Events via Hawkes Processes
von: Repasky, Matthew, et al.
Veröffentlicht: (2025)

Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes
von: Wu, Fan, et al.
Veröffentlicht: (2023)

Balancing Interpretability and Flexibility in Modeling Diagnostic Trajectories with an Embedded Neural Hawkes Process Model
von: Zhao, Yuankang, et al.
Veröffentlicht: (2025)

DRL-STAF: A Deep Reinforcement Learning Framework for State-Aware Forecasting of Complex Multivariate Hidden Markov Processes
von: Jiang, Manrui, et al.
Veröffentlicht: (2026)

An Empirical Study: Extensive Deep Temporal Point Process
von: Lin, Haitao, et al.
Veröffentlicht: (2021)

Digital Twin-Centered Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction
von: Daniell, James, et al.
Veröffentlicht: (2022)

Sparse Bayesian Deep Functional Learning with Structured Region Selection
von: Zhu, Xiaoxian, et al.
Veröffentlicht: (2026)

Deep Learning for Forensic Identification of Source
von: Patten, Cole, et al.
Veröffentlicht: (2025)

Adaptive Multi-task Learning for Probabilistic Load Forecasting
von: Zaballa, Onintze, et al.
Veröffentlicht: (2025)

Robust Generalization with Adaptive Optimal Transport Priors for Decision-Focused Learning
von: Sun, Haixiang, et al.
Veröffentlicht: (2026)

High-Dimensional Statistical Process Control via Manifold Fitting and Learning
von: Tas, Burak I., et al.
Veröffentlicht: (2025)

Data Curation for Machine Learning Interatomic Potentials by Determinantal Point Processes
von: Zou, Joanna, et al.
Veröffentlicht: (2026)

Deep Learning Surrogates for Real-Time Gas Emission Inversion
von: Newman, Thomas, et al.
Veröffentlicht: (2025)

A Nonparametric Adaptive EWMA Control Chart for Binary Monitoring of Multiple Stream Processes
von: Muritala, Faruk, et al.
Veröffentlicht: (2026)

Hybrid Adaptive Conformal Offline Reinforcement Learning for Fair Population Health Management
von: Basu, Sanjay, et al.
Veröffentlicht: (2025)

Uncertainty-Calibrated Prediction of Randomly-Timed Biomarker Trajectories with Conformal Bands
von: Tassopoulou, Vasiliki, et al.
Veröffentlicht: (2025)

BanditCAT and AutoIRT: Machine Learning Approaches to Computerized Adaptive Testing and Item Calibration
von: Sharpnack, James, et al.
Veröffentlicht: (2024)

Bayesian Deep Learning for Discrete Choice
von: Villarraga, Daniel F., et al.
Veröffentlicht: (2025)

A Deep Learning Approach for Overall Survival Prediction in Lung Cancer with Missing Values
von: Caruso, Camillo Maria, et al.
Veröffentlicht: (2023)

Constrained Bayesian Optimization under Bivariate Gaussian Process with Application to Cure Process Optimization
von: Li, Yezhuo, et al.
Veröffentlicht: (2025)

Time-Varying Home Field Advantage in Football: Learning from a Non-Stationary Causal Process
von: Qi, Minhao, et al.
Veröffentlicht: (2025)

DeepBridge: A Unified and Production-Ready Framework for Multi-Dimensional Machine Learning Validation
von: Haase, Gustavo Coelho, et al.
Veröffentlicht: (2025)

Weather-Related Crash Risk Forecasting: A Deep Learning Approach for Heterogenous Spatiotemporal Data
von: Ogungbire, Abimbola, et al.
Veröffentlicht: (2026)

Reinforcement Learning in Modern Biostatistics: Constructing Optimal Adaptive Interventions
von: Deliu, Nina, et al.
Veröffentlicht: (2022)

Predicting VBAC Outcomes from U.S. Natality Data using Deep and Classical Machine Learning Models
von: Anand, Ananya
Veröffentlicht: (2025)

Adaptive Meta-Learning Stochastic Gradient Hamiltonian Monte Carlo Simulation for Bayesian Updating of Structural Dynamic Models
von: Meng, Xianghao, et al.
Veröffentlicht: (2026)

Deep Autocorrelation Modeling for Time-Series Forecasting: Progress and Prospects
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Double Machine Learning for Adaptive Causal Representation in High-Dimensional Data
von: Aouar, Lynda, et al.
Veröffentlicht: (2024)

Vector Optimization with Gaussian Process Bandits
von: Korkmaz, İlter Onat, et al.
Veröffentlicht: (2024)

Adaptive Online Experimental Design for Causal Discovery
von: Elahi, Muhammad Qasim, et al.
Veröffentlicht: (2024)

Adaptive Norm-Based Regularization for Neural Networks
von: Qasim, Muhammad, et al.
Veröffentlicht: (2026)

Differentially private synthesis of Spatial Point Processes
von: Kim, Dangchan, et al.
Veröffentlicht: (2025)

Development and Validation of a Dynamic Kidney Failure Prediction Model based on Deep Learning: A Real-World Study with External Validation
von: Ma, Jingying, et al.
Veröffentlicht: (2025)

Deep Huber quantile regression networks
von: Tyralis, Hristos, et al.
Veröffentlicht: (2023)

Spatially-Heterogeneous Causal Bayesian Networks for Seismic Multi-Hazard Estimation: A Variational Approach with Gaussian Processes and Normalizing Flows
von: Li, Xuechun, et al.
Veröffentlicht: (2025)

Graph Data Modeling: Molecules, Proteins, & Chemical Processes
von: Barraza-Chavez, José Manuel, et al.
Veröffentlicht: (2025)

The Currents of Conflict: Decomposing Conflict Trends with Gaussian Processes
von: von der Maase, Simon P.
Veröffentlicht: (2025)

Beyond Grids: Multi-objective Bayesian Optimization With Adaptive Discretization
von: Nika, Andi, et al.
Veröffentlicht: (2020)

Bayesian Deployment Approval for Learned Landing Controllers under Finite Rollout Validation
von: Jiang, Fei, et al.
Veröffentlicht: (2026)

Regularized Multi-output Gaussian Convolution Process with Domain Adaptation
von: Xinming, Wang, et al.
Veröffentlicht: (2024)