Buchumschlag

EEG-EyeTrack: A Benchmark for Time Series and Functional Data Analysis with Open Challenges and Baselines

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Afonso, Tiago Vasconcelos, Heinrichs, Florian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Signal Processing Machine Learning 62G08, 62R10, 68T07 G.3; I.5.1; I.2.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GT-PCA: Effective and Interpretable Dimensionality Reduction with General Transform-Invariant Principal Component Analysis
von: Heinrichs, Florian
Veröffentlicht: (2024)

Evaluating the Quality of the Quantified Uncertainty for (Re)Calibration of Data-Driven Regression Models
von: Wibbeke, Jelke, et al.
Veröffentlicht: (2025)

PatchFormer: A Patch-Based Time Series Foundation Model with Hierarchical Masked Reconstruction and Cross-Domain Transfer Learning for Zero-Shot Multi-Horizon Forecasting
von: Imanov, Olaf Yunus Laitinen, et al.
Veröffentlicht: (2026)

Machine Collaboration
von: Liu, Qingfeng, et al.
Veröffentlicht: (2021)

Support-Conditioned Flow Matching Is Kernel Smoothing
von: Smola, Daniel Matsui
Veröffentlicht: (2026)

Intra-tree Column Subsampling Hinders XGBoost Learning of Ratio-like Interactions
von: Pinchuk, Mykola
Veröffentlicht: (2026)

Jacobian-Velocity Bounds for Deployment Risk Under Covariate Drift
von: Landers, Jonathan R.
Veröffentlicht: (2026)

Robust Probabilistic Load Forecasting for a Single Household: A Comparative Study from SARIMA to Transformers on the REFIT Dataset
von: Manoj, Midhun
Veröffentlicht: (2025)

AgentDS Technical Report: Benchmarking the Future of Human-AI Collaboration in Domain-Specific Data Science
von: Luo, An, et al.
Veröffentlicht: (2026)

Provable Adversarial Robustness in In-Context Learning
von: Zhang, Di
Veröffentlicht: (2026)

Persistent Topological Structures and Cohomological Flows as a Mathematical Framework for Brain-Inspired Representation Learning
von: Girish, Preksha, et al.
Veröffentlicht: (2025)

NetworkNet: A Deep Neural Network Approach for Random Networks with Sparse Nodal Attributes and Complex Nodal Heterogeneity
von: Xing, Zhaoyu, et al.
Veröffentlicht: (2026)

AssistedDS: Benchmarking How External Domain Knowledge Assists LLMs in Automated Data Science
von: Luo, An, et al.
Veröffentlicht: (2025)

Can Agentic AI Match the Performance of Human Data Scientists?
von: Luo, An, et al.
Veröffentlicht: (2025)

Constant-Target Energy Matching: A Unified Framework for Continuous and Discrete Density Estimation
von: Zeng, Zhijun, et al.
Veröffentlicht: (2026)

Ice Cream Doesn't Cause Drowning: Benchmarking LLMs Against Statistical Pitfalls in Causal Inference
von: Du, Jin, et al.
Veröffentlicht: (2025)

Non-Heuristic Selection via Hybrid Regularized and Machine Learning Models for Insurance
von: Galvão, Luciano Ribeiro, et al.
Veröffentlicht: (2025)

Quantile Additive Trend Filtering
von: Zhang, Zhi, et al.
Veröffentlicht: (2023)

Demystifying Functional Random Forests: Novel Explainability Tools for Model Transparency in High-Dimensional Spaces
von: Maturo, Fabrizio, et al.
Veröffentlicht: (2024)

GRALIS: A Unified Canonical Framework for Linear Attribution Methods via Riesz Representation
von: Fanale, Raimondo
Veröffentlicht: (2026)

Location based Probabilistic Load Forecasting of EV Charging Sites: Deep Transfer Learning with Multi-Quantile Temporal Convolutional Network
von: Ali, Mohammad Wazed, et al.
Veröffentlicht: (2024)

OML-AD: Online Machine Learning for Anomaly Detection in Time Series Data
von: Wette, Sebastian, et al.
Veröffentlicht: (2024)

Randomized Spline Trees for Functional Data Classification: Theory and Application to Environmental Time Series
von: Riccio, Donato, et al.
Veröffentlicht: (2024)

Out-of-Distribution Detection via Channelwise Feature Aggregation in Neural Network-Based Receivers
von: Tuononen, Marko, et al.
Veröffentlicht: (2025)

Calibrated Counterfactual Conformal Fairness ($C^3F$): Post-hoc, Shift-Aware Coverage Parity via Conformal Prediction and Counterfactual Regularization
von: Alpay, Faruk, et al.
Veröffentlicht: (2025)

Augmented Functional Random Forests: Classifier Construction and Unbiased Functional Principal Components Importance through Ad-Hoc Conditional Permutations
von: Maturo, Fabrizio, et al.
Veröffentlicht: (2024)

TimeGraph: Synthetic Benchmark Datasets for Robust Time-Series Causal Discovery
von: Ferdous, Muhammad Hasan, et al.
Veröffentlicht: (2025)

SHIFT: Robust Double Machine Learning for Average Dose-Response Functions under Heavy-Tailed Contamination
von: Uehara, Eichi
Veröffentlicht: (2026)

Optimised Support Vector Regression for California Housing Price Prediction: The Critical Role of Feature Engineering and Hyperparameter Tuning
von: Adutwum, Emmanuel
Veröffentlicht: (2026)

Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction
von: Dominguez, Alejandro Rodriguez, et al.
Veröffentlicht: (2023)

Active Learning of Piecewise Gaussian Process Surrogates
von: Park, Chiwoo, et al.
Veröffentlicht: (2023)

MRMS-Net and LMRMS-Net: Scalable Multi-Representation Multi-Scale Networks for Time Series Classification
von: Alagöz, Celal, et al.
Veröffentlicht: (2026)

Deep Jump Gaussian Processes for Surrogate Modeling of High-Dimensional Piecewise Continuous Functions
von: Xu, Yang, et al.
Veröffentlicht: (2025)

A Note on Local Linear Regression for Time Series in Banach Spaces
von: Heinrichs, Florian
Veröffentlicht: (2025)

Predicting Traffic Accident Severity with Deep Neural Networks
von: Bibb, Meghan, et al.
Veröffentlicht: (2025)

SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction
von: Lundström-Imanov, Gustav Olaf Yunus Laitinen-Fredriksson, et al.
Veröffentlicht: (2026)

Forecasting Coccidioidomycosis (Valley Fever) in Arizona: A Graph Neural Network Approach
von: Sarabi, Ali, et al.
Veröffentlicht: (2025)

Enhancing Visual Interpretability and Explainability in Functional Survival Trees and Forests
von: Loffredo, Giuseppe, et al.
Veröffentlicht: (2025)

DeepCausalMMM: A Deep Learning Framework for Marketing Mix Modeling with Causal Structure Learning
von: Tirumala, Aditya Puttaparthi
Veröffentlicht: (2025)

Physics-informed machine learning: A mathematical framework with applications to time series forecasting
von: Doumèche, Nathan
Veröffentlicht: (2025)