Buchumschlag

Time series classification with random convolution kernels: pooling operators and input representations matter

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lo, Mouhamadou Mansour, Morvan, Gildas, Rossi, Mathieu, Morganti, Fabrice, Mercier, David
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

Detach-ROCKET: Sequential feature selection for time series classification with random convolutional kernels
von: Uribarri, Gonzalo, et al.
Veröffentlicht: (2023)

Efficient pooling of predictions via kernel embeddings
von: Allen, Sam, et al.
Veröffentlicht: (2024)

Central limit theorems for the outputs of fully convolutional neural networks with time series input
von: Betken, Annika, et al.
Veröffentlicht: (2026)

A new paradigm for global sensitivity analysis
von: Mazo, Gildas
Veröffentlicht: (2024)

Lipschitz bounds for integral kernels
von: Reverdi, Justin, et al.
Veröffentlicht: (2026)

A Hamiltonian Higher-Order Elasticity Framework for Dynamic Diagnostics(2HOED)
von: Gildas, Ngueuleweu Tiwang
Veröffentlicht: (2025)

Reservoir kernels and Volterra series
von: Gonon, Lukas, et al.
Veröffentlicht: (2022)

Guiding the retraining of convolutional neural networks against adversarial inputs
von: López, Francisco Durán, et al.
Veröffentlicht: (2022)

Adaptive kernel-density approach for imbalanced binary classification
von: Nishimura, Kotaro J., et al.
Veröffentlicht: (2025)

FREQuency ATTribution: benchmarking frequency-based occlusion for time series data
von: Mercier, Dominique, et al.
Veröffentlicht: (2025)

Generalization bounds for regression and classification on adaptive covering input domains
von: Hwang, Wen-Liang
Veröffentlicht: (2024)

Satellite image classification with neural quantum kernels
von: Rodriguez-Grasa, Pablo, et al.
Veröffentlicht: (2024)

Persistence kernels for classification: A comparative study
von: Bandiziol, Cinzia, et al.
Veröffentlicht: (2024)

Multi-fidelity surrogate with heterogeneous input spaces for modeling melt pools in laser-directed energy deposition
von: Menon, Nandana, et al.
Veröffentlicht: (2024)

One-step learning algorithm selection for classification via convolutional neural networks
von: Maldonado, Sebastian, et al.
Veröffentlicht: (2023)

Learning functions, operators and dynamical systems with kernels
von: Rosasco, Lorenzo
Veröffentlicht: (2025)

A unified construction for series representations and finite approximations of completely random measures
von: Lee, Juho, et al.
Veröffentlicht: (2019)

Beyond topography: Topographic regularization improves robustness and reshapes representations in convolutional neural networks
von: Truong, Nhut, et al.
Veröffentlicht: (2025)

Identifying Obfuscated Code through Graph-Based Semantic Analysis of Binary Code
von: Cohen, Roxane, et al.
Veröffentlicht: (2025)

Benchmarking quantum machine learning kernel training for classification tasks
von: Alvarez-Estevez, Diego
Veröffentlicht: (2024)

Meta-learning of shared linear representations beyond well-specified linear regression
von: Even, Mathieu, et al.
Veröffentlicht: (2025)

Optimal differentially private kernel learning with random projection
von: Lee, Bonwoo, et al.
Veröffentlicht: (2025)

Leveraging Multivariate Long-Term History Representation for Time Series Forecasting
von: Zhang, Huiliang, et al.
Veröffentlicht: (2025)

On the expressivity of bi-Lipschitz normalizing flows
von: Verine, Alexandre, et al.
Veröffentlicht: (2021)

Dilated convolution neural operator for multiscale partial differential equations
von: Xu, Bo, et al.
Veröffentlicht: (2024)

Maritime object classification with SAR imagery using quantum kernel methods
von: Tanner, John, et al.
Veröffentlicht: (2025)

Robustness of deep learning classification to adversarial input on GPUs: asynchronous parallel accumulation is a source of vulnerability
von: Shanmugavelu, Sanjif, et al.
Veröffentlicht: (2025)

Consistent estimation of generative model representations in the data kernel perspective space
von: Acharyya, Aranyak, et al.
Veröffentlicht: (2024)

Neural reproducing kernel Banach spaces and representer theorems for deep networks
von: Bartolucci, Francesca, et al.
Veröffentlicht: (2024)

Estimating the stability number of a random graph using convolutional neural networks
von: Davila, Randy
Veröffentlicht: (2024)

Moment kernels: a simple and scalable approach for equivariance to rotations and reflections in deep convolutional networks
von: Schlamowitz, Zachary, et al.
Veröffentlicht: (2025)

Equivariant graph convolutional neural networks for the representation of homogenized anisotropic microstructural mechanical response
von: Patel, Ravi, et al.
Veröffentlicht: (2024)

From Private to Public: Benchmarking GANs in the Context of Private Time Series Classification
von: Mercier, Dominique, et al.
Veröffentlicht: (2023)

Randomized based restricted kernel machine for hyperspectral image classification
von: Quadir, A., et al.
Veröffentlicht: (2025)

Exploring approaches to computational representation and classification of user-generated meal logs
von: Hu, Guanlan, et al.
Veröffentlicht: (2025)

Hoeffding decomposition of black-box models with dependent inputs
von: Idrissi, Marouane Il, et al.
Veröffentlicht: (2023)

State space representations of the Roesser type for convolutional layers
von: Pauli, Patricia, et al.
Veröffentlicht: (2024)

Late fusion ensembles for speech recognition on diverse input audio representations
von: Jezidžić, Marin, et al.
Veröffentlicht: (2024)

TabICLv2: A better, faster, scalable, and open tabular foundation model
von: Qu, Jingang, et al.
Veröffentlicht: (2026)

Structured adaptive and random spinners for fast machine learning computations
von: Bojarski, Mariusz, et al.
Veröffentlicht: (2016)