Buchumschlag

Multi-Modal Contrastive Learning for Online Clinical Time-Series Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baldenweg, Fabian, Burger, Manuel, Rätsch, Gunnar, Kuznetsova, Rita
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-modal Graph Learning over UMLS Knowledge Graphs
von: Burger, Manuel, et al.
Veröffentlicht: (2023)

On the Importance of Step-wise Embeddings for Heterogeneous Clinical Time-Series
von: Kuznetsova, Rita, et al.
Veröffentlicht: (2023)

Language Model Training Paradigms for Clinical Feature Embeddings
von: Hu, Yurong, et al.
Veröffentlicht: (2023)

Data-Driven Discovery of Feature Groups in Clinical Time Series
von: Sergeev, Fedor, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Critical Care Time Series
von: Burger, Manuel, et al.
Veröffentlicht: (2024)

Dynamic Survival Analysis for Early Event Prediction
von: Yèche, Hugo, et al.
Veröffentlicht: (2024)

Domain Generalization and Adaptation in Intensive Care with Anchor Regression
von: Londschien, Malte, et al.
Veröffentlicht: (2025)

Towards Dynamic Feature Acquisition on Medical Time Series by Maximizing Conditional Mutual Information
von: Sergeev, Fedor, et al.
Veröffentlicht: (2024)

Preference Elicitation for Offline Reinforcement Learning
von: Pace, Alizée, et al.
Veröffentlicht: (2024)

Uncertainty-Penalized Direct Preference Optimization
von: Houliston, Sam, et al.
Veröffentlicht: (2024)

Improving Neural Additive Models with Bayesian Principles
von: Bouchiat, Kouroche, et al.
Veröffentlicht: (2023)

Simple Contrastive Representation Learning for Time Series Forecasting
von: Zheng, Xiaochen, et al.
Veröffentlicht: (2023)

Backdoor Attacks on Multi-modal Contrastive Learning
von: Kuniyilh, Simi D, et al.
Veröffentlicht: (2026)

Contrastive Learning Is Not Optimal for Quasiperiodic Time Series
von: Atienza, Adrian, et al.
Veröffentlicht: (2024)

Parametric Augmentation for Time Series Contrastive Learning
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

Soft Contrastive Learning for Time Series
von: Lee, Seunghan, et al.
Veröffentlicht: (2023)

Rank Supervised Contrastive Learning for Time Series Classification
von: Ren, Qianying, et al.
Veröffentlicht: (2024)

Automated Contrastive Learning Strategy Search for Time Series
von: Jing, Baoyu, et al.
Veröffentlicht: (2024)

Event-Based Contrastive Learning for Medical Time Series
von: Jeong, Hyewon, et al.
Veröffentlicht: (2023)

MultiRC: Joint Learning for Time Series Anomaly Prediction and Detection with Multi-scale Reconstructive Contrast
von: Hu, Shiyan, et al.
Veröffentlicht: (2024)

AimTS: Augmented Series and Image Contrastive Learning for Time Series Classification
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

From Orthogonality to Dependency: Learning Disentangled Representation for Multi-Modal Time-Series Sensing Signals
von: Cai, Ruichu, et al.
Veröffentlicht: (2024)

StatioCL: Contrastive Learning for Time Series via Non-Stationary and Temporal Contrast
von: Wu, Yu, et al.
Veröffentlicht: (2024)

Federated Learning for Time-Series Healthcare Sensing with Incomplete Modalities
von: Orzikulova, Adiba, et al.
Veröffentlicht: (2024)

Dynamic Multi-period Experts for Online Time Series Forecasting
von: Hong, Seungha, et al.
Veröffentlicht: (2026)

Contrast All the Time: Learning Time Series Representation from Temporal Consistency
von: Shamba, Abdul-Kazeem, et al.
Veröffentlicht: (2024)

Multi-View Contrastive Learning for Robust Domain Adaptation in Medical Time Series Analysis
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

Denoising-Aware Contrastive Learning for Noisy Time Series
von: Zhou, Shuang, et al.
Veröffentlicht: (2024)

TopoCL: Topological Contrastive Learning for Time Series
von: Kim, Namwoo, et al.
Veröffentlicht: (2025)

Semi-Supervised End-To-End Contrastive Learning For Time Series Classification
von: Cai, Huili, et al.
Veröffentlicht: (2023)

Cross-Modal Deep Metric Learning for Time Series Anomaly Detection
von: Li, Wei, et al.
Veröffentlicht: (2025)

LEAVES: Learning Views for Time-Series Biobehavioral Data in Contrastive Learning
von: Yu, Han, et al.
Veröffentlicht: (2022)

Trajectory Flow Matching with Applications to Clinical Time Series Modeling
von: Zhang, Xi, et al.
Veröffentlicht: (2024)

Unsupervised Time Series Anomaly Prediction with Importance-based Generative Contrastive Learning
von: Zhao, Kai, et al.
Veröffentlicht: (2024)

Contrastive Learning of Asset Embeddings from Financial Time Series
von: Dolphin, Rian, et al.
Veröffentlicht: (2024)

Time Series Representation Learning with Supervised Contrastive Temporal Transformer
von: Liu, Yuansan, et al.
Veröffentlicht: (2024)

Guidelines for Augmentation Selection in Contrastive Learning for Time Series Classification
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

Disentangled Mode-Specific Representations for Tensor Time Series via Contrastive Learning
von: Obata, Kohei, et al.
Veröffentlicht: (2026)

Multi-Modal Time Series Prediction via Mixture of Modulated Experts
von: Zhang, Lige, et al.
Veröffentlicht: (2026)

Weighted Contrastive Learning for Anomaly-Aware Time-Series Forecasting
von: Ekstrand, Joel, et al.
Veröffentlicht: (2025)