Buchumschlag

ALT: A Python Package for Lightweight Feature Representation in Time Series Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Halmos, Balázs P., Hajós, Balázs, Molnár, Vince Á., Kurbucz, Marcell T., Jakovác, Antal
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition Mathematical Software 62M10, 62H30, 68T05, 68T10 I.5.1; I.2.6; G.3; D.2.13
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Law-Based Transformation (ALT): A Lightweight Feature Representation for Time Series Classification
von: Kurbucz, Marcell T., et al.
Veröffentlicht: (2025)

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

LLT: An R package for Linear Law-based Feature Space Transformation
von: Kurbucz, Marcell T., et al.
Veröffentlicht: (2023)

Learning ECG Signal Features Without Backpropagation Using Linear Laws
von: Pósfay, Péter, et al.
Veröffentlicht: (2023)

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

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

Counterfactual Explanation for Multivariate Time Series Forecasting with Exogenous Variables
von: Kinjo, Keita
Veröffentlicht: (2025)

SplitWise Regression: Stepwise Modeling with Adaptive Dummy Encoding
von: Kurbucz, Marcell T., et al.
Veröffentlicht: (2025)

Classifier Calibration at Scale: An Empirical Study of Model-Agnostic Post-Hoc Methods
von: Manokhin, Valery, et al.
Veröffentlicht: (2026)

A Standardized Benchmark for Multilabel Antimicrobial Peptide Classification
von: Ojeda, Sebastian, et al.
Veröffentlicht: (2025)

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

Temporal Functional Circuits: From Spline Plots to Faithful Explanations in KAN Forecasting
von: Mysore, Naveen
Veröffentlicht: (2026)

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

EEG-EyeTrack: A Benchmark for Time Series and Functional Data Analysis with Open Challenges and Baselines
von: Afonso, Tiago Vasconcelos, et al.
Veröffentlicht: (2025)

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

Benchmarking Catastrophic Forgetting Mitigation Methods in Federated Time Series Forecasting
von: Hallak, Khaled, et al.
Veröffentlicht: (2025)

Emerging-properties Mapping Using Spatial Embedding Statistics: EMUSES
von: Foulon, Chris, et al.
Veröffentlicht: (2024)

A Fiber Criterion for Representation Identifiability in Supervised Learning
von: Sevetlidis, Vasileios
Veröffentlicht: (2026)

CSTS: A Benchmark for the Discovery of Correlation Structures in Time Series Clustering
von: Degen, Isabella, et al.
Veröffentlicht: (2025)

TerraSeg: Self-Supervised Ground Segmentation for Any LiDAR
von: Lentsch, Ted, et al.
Veröffentlicht: (2026)

UNION: Unsupervised 3D Object Detection using Object Appearance-based Pseudo-Classes
von: Lentsch, Ted, et al.
Veröffentlicht: (2024)

Lightweight Defense Against Adversarial Attacks in Time Series Classification
von: Han, Yi
Veröffentlicht: (2025)

Tricks and Plug-ins for Gradient Boosting in Image Classification
von: Fang, Biyi, et al.
Veröffentlicht: (2025)

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

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

AMBIT: Augmenting Mobility Baselines with Interpretable Trees
von: Wang, Qizhi
Veröffentlicht: (2025)

The Matching Principle: A Geometric Theory of Loss Functions for Nuisance-Robust Representation Learning
von: Rajput, Vishal
Veröffentlicht: (2026)

Development of ultra-high efficiency soft X-ray angle-resolved photoemission spectroscopy equipped with deep prior-based denoising method
von: Yamagami, Kohei, et al.
Veröffentlicht: (2025)

Feature Selection and Regularization in Multi-Class Classification: An Empirical Study of One-vs-Rest Logistic Regression with Gradient Descent Optimization and L1 Sparsity Constraints
von: Arafat, Jahidul, et al.
Veröffentlicht: (2025)

Analyzing the Impact of Multimodal Perception on Sample Complexity and Optimization Landscapes in Imitation Learning
von: Abuelsamen, Luai, et al.
Veröffentlicht: (2025)

Causal Deep Learning
von: Vasilescu, M. Alex O.
Veröffentlicht: (2023)

GeoJEPA: Towards Eliminating Augmentation- and Sampling Bias in Multimodal Geospatial Learning
von: Lundqvist, Theodor, et al.
Veröffentlicht: (2025)

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

Learning General Causal Structures with Hidden Dynamic Process for Climate Analysis
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

WSCIF: A Weakly-Supervised Color Intelligence Framework for Tactical Anomaly Detection in Surveillance Keyframes
von: Meng, Wei
Veröffentlicht: (2025)

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

Retrieval-Augmented Memory for Online Learning
von: Du, Wenzhang
Veröffentlicht: (2025)

Closed-Form Beta Distribution Estimation from Sparse Statistics with Random Forest Implicit Regularization
von: Landers, Jonathan R.
Veröffentlicht: (2025)

CNN-LSTM Hybrid Model for AI-Driven Prediction of COVID-19 Severity from Spike Sequences and Clinical Data
von: Cheohen, Caio, et al.
Veröffentlicht: (2025)