Buchumschlag

dCMF: Learning interpretable evolving patterns from temporal multiway data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chatzis, Christos, Schenker, Carla, Cohen, Jérémy E., Acar, Evrim
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

tPARAFAC2: Tracking evolving patterns in (incomplete) temporal data
von: Chatzis, Christos, et al.
Veröffentlicht: (2024)

PARAFAC2-based Coupled Matrix and Tensor Factorizations with Constraints
von: Schenker, Carla, et al.
Veröffentlicht: (2024)

Interpretable clustering via optimal multiway-split decision trees
von: Suzuki, Hayato, et al.
Veröffentlicht: (2026)

Continual Deep Learning on the Edge via Stochastic Local Competition among Subnetworks
von: Christophides, Theodoros, et al.
Veröffentlicht: (2024)

Optimal Recourse Summaries via Bi-Objective Decision Tree Learning
von: Chatzis, Ioannis, et al.
Veröffentlicht: (2026)

Transformers with Stochastic Competition for Tabular Data Modelling
von: Voskou, Andreas, et al.
Veröffentlicht: (2024)

Shared-Weights Extender and Gradient Voting for Neural Network Expansion
von: Chatzis, Nikolas, et al.
Veröffentlicht: (2025)

Think Smart, Act SMARL! Analyzing Probabilistic Logic Shields for Multi-Agent Reinforcement Learning
von: Chatterji, Satchit, et al.
Veröffentlicht: (2024)

Meta-autoencoders: An approach to discovery and representation of relationships between dynamically evolving classes
von: Marron, Assaf, et al.
Veröffentlicht: (2025)

Machine-learning-enabled interpretation of tribological deformation patterns in large-scale MD data
von: Ehrich, Hendrik J., et al.
Veröffentlicht: (2025)

Label-consistent clustering for evolving data
von: Gadekar, Ameet, et al.
Veröffentlicht: (2025)

Beyond the Hook: Predicting Billboard Hot 100 Chart Inclusion with Machine Learning from Streaming, Audio Signals, and Perceptual Features
von: Mountzouris, Christos
Veröffentlicht: (2025)

Efficient Algorithms for Regularized Nonnegative Scale-invariant Low-rank Approximation Models
von: Cohen, Jeremy E., et al.
Veröffentlicht: (2024)

Embedding interpretable $\ell_1$-regression into neural networks for uncovering temporal structure in cell imaging
von: Kabus, Fabian, et al.
Veröffentlicht: (2026)

Driving pattern interpretation based on action phases clustering
von: Yao, Xue, et al.
Veröffentlicht: (2024)

A comprehensive interpretable machine learning framework for Mild Cognitive Impairment and Alzheimer's disease diagnosis
von: Vlontzou, Maria Eleftheria, et al.
Veröffentlicht: (2024)

Text Classification: Neural Networks VS Machine Learning Models VS Pre-trained Models
von: Petridis, Christos
Veröffentlicht: (2024)

Understanding the Evolution of the Neural Tangent Kernel at the Edge of Stability
von: Jiang, Kaiqi, et al.
Veröffentlicht: (2025)

Self-evolved Imitation Learning in Simulated World
von: Ye, Yifan, et al.
Veröffentlicht: (2025)

Prototypical Contrastive Learning For Improved Few-Shot Audio Classification
von: Sgouropoulos, Christos, et al.
Veröffentlicht: (2025)

Enhancing Fast Feed Forward Networks with Load Balancing and a Master Leaf Node
von: Charalampopoulos, Andreas, et al.
Veröffentlicht: (2024)

Epoch-evolving Gaussian Process Guided Learning
von: Cui, Jiabao, et al.
Veröffentlicht: (2020)

Self-evolving Autoencoder Embedded Q-Network
von: Senthilnath, J., et al.
Veröffentlicht: (2024)

Learning accurate and interpretable tree-based models
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2024)

Learning Equilibria in Matching Games with Bandit Feedback
von: Athanasopoulos, Andreas, et al.
Veröffentlicht: (2025)

Explaining the Explainer: Understanding the Inner Workings of Transformer-based Symbolic Regression Models
von: van Breda, Arco, et al.
Veröffentlicht: (2026)

Approximation by Steklov Neural Network Operators
von: Karaman, S. N., et al.
Veröffentlicht: (2024)

Supervised Contrastive Representation Learning: Landscape Analysis with Unconstrained Features
von: Behnia, Tina, et al.
Veröffentlicht: (2024)

Interpretability for Time Series Transformers using A Concept Bottleneck Framework
von: van Sprang, Angela, et al.
Veröffentlicht: (2024)

Discovering interpretable models of scientific image data with deep learning
von: Soelistyo, Christopher J., et al.
Veröffentlicht: (2024)

CORAL: Concept Drift Representation Learning for Co-evolving Time-series
von: Xu, Kunpeng, et al.
Veröffentlicht: (2025)

Modeling Time-evolving Causality over Data Streams
von: Chihara, Naoki, et al.
Veröffentlicht: (2025)

Learning interpretable positional encodings in transformers depends on initialization
von: Ito, Takuya, et al.
Veröffentlicht: (2024)

Differentiable Inductive Logic Programming for Fraud Detection
von: Wolfson, Boris, et al.
Veröffentlicht: (2024)

Uncertainty quantification of neural network models of evolving processes via Langevin sampling
von: Safta, Cosmin, et al.
Veröffentlicht: (2025)

An interpretable data-driven approach to optimizing clinical fall risk assessment
von: Ganjkhanloo, Fardin, et al.
Veröffentlicht: (2025)

An interpretable prototype parts-based neural network for medical tabular data
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

An interpretable data-driven approach to optimizing clinical fall risk assessment
von: Ganjkhanloo, Fardin, et al.
Veröffentlicht: (2026)

Machine Learning for Network Attacks Classification and Statistical Evaluation of Adversarial Learning Methodologies for Synthetic Data Generation
von: Zarkadis, Iakovos-Christos, et al.
Veröffentlicht: (2026)

TiGer: Self-Supervised Purification for Time-evolving Graphs
von: Jo, Hyeonsoo, et al.
Veröffentlicht: (2025)