Buchumschlag

A Deep Learning Framework for Sequence Mining with Bidirectional LSTM and Multi-Scale Attention

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Tao, Cheng, Yu, Ren, Yaokun, Lou, Yujia, Wei, Minggu, Xin, Honghui
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

Addressing Class Imbalance with Probabilistic Graphical Models and Variational Inference
von: Lou, Yujia, et al.
Veröffentlicht: (2025)

Context-Aware Rule Mining Using a Dynamic Transformer-Based Framework
von: Liu, Jie, et al.
Veröffentlicht: (2025)

Linear Attention for Efficient Bidirectional Sequence Modeling
von: Afzal, Arshia, et al.
Veröffentlicht: (2025)

A Unified Framework for Knowledge Transfer in Bidirectional Model Scaling
von: Shen, Jianlu, et al.
Veröffentlicht: (2026)

GlaLSTM: A Concurrent LSTM Stream Framework for Glaucoma Detection via Biomarker Mining
von: Huang, Cheng, et al.
Veröffentlicht: (2024)

Bi-cLSTM: Residual-Corrected Bidirectional LSTM for Aero-Engine RUL Estimation
von: Chowdhury, Rafi Hassan, et al.
Veröffentlicht: (2026)

A Deep Learning Framework Integrating CNN and BiLSTM for Financial Systemic Risk Analysis and Prediction
von: Cheng, Yu, et al.
Veröffentlicht: (2025)

Structured Memory Mechanisms for Stable Context Representation in Large Language Models
von: Xing, Yue, et al.
Veröffentlicht: (2025)

A Utility-Mining-Driven Active Learning Approach for Analyzing Clickstream Sequences
von: Wang, Danny Y. C., et al.
Veröffentlicht: (2024)

Accurate Prediction of Temperature Indicators in Eastern China Using a Multi-Scale CNN-LSTM-Attention model
von: Shen, Jiajiang, et al.
Veröffentlicht: (2024)

Native Hybrid Attention for Efficient Sequence Modeling
von: Du, Jusen, et al.
Veröffentlicht: (2025)

A Multimodal Deep Learning Framework for Early Diagnosis of Liver Cancer via Optimized BiLSTM-AM-VMD Architecture
von: Cheng, Cheng, et al.
Veröffentlicht: (2025)

JAX-MPM: A Learning-Augmented Differentiable Meshfree Framework for GPU-Accelerated Lagrangian Simulation and Geophysical Inverse Modeling
von: Du, Honghui, et al.
Veröffentlicht: (2025)

Bidirectional Representations Augmented Autoregressive Biological Sequence Generation
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

BurstAttention: An Efficient Distributed Attention Framework for Extremely Long Sequences
von: Sun, Ao, et al.
Veröffentlicht: (2024)

Scaling Bidirectional Spans and Span Violations in Attention Mechanism
von: Kim, Jongwook, et al.
Veröffentlicht: (2025)

Adaptive Multi-Scale Decomposition Framework for Time Series Forecasting
von: Hu, Yifan, et al.
Veröffentlicht: (2024)

Predicting 30-Day Hospital Readmission in Medicare Patients: Insights from an LSTM Deep Learning Model
von: Li, Xintao, et al.
Veröffentlicht: (2024)

Heterogeneous Multi-Agent Reinforcement Learning with Attention for Cooperative and Scalable Feature Transformation
von: Zhe, Tao, et al.
Veröffentlicht: (2025)

A Multi-Modal CNN-LSTM Framework with Multi-Head Attention and Focal Loss for Real-Time Elderly Fall Detection
von: Zhou, Lijie, et al.
Veröffentlicht: (2026)

1D-CapsNet-LSTM: A Deep Learning-Based Model for Multi-Step Stock Index Forecasting
von: Zhang, Cheng, et al.
Veröffentlicht: (2023)

Accelerating Drug Safety Assessment using Bidirectional-LSTM for SMILES Data
von: Rao, K. Venkateswara, et al.
Veröffentlicht: (2024)

Multi-Scale Reversible Chaos Game Representation: A Unified Framework for Sequence Classification
von: Ali, Sarwan, et al.
Veröffentlicht: (2026)

Multi-Scale Convolutional LSTM with Transfer Learning for Anomaly Detection in Cellular Networks
von: Noonari, Nooruddin, et al.
Veröffentlicht: (2024)

FAConvLSTM: Factorized-Attention ConvLSTM for Efficient Feature Extraction in Multivariate Climate Data
von: Nji, Francis Ndikum, et al.
Veröffentlicht: (2026)

MARLINE: Multi-Source Mapping Transfer Learning for Non-Stationary Environments
von: Du, Honghui, et al.
Veröffentlicht: (2025)

Frequency-Aware Attention-LSTM for PM$_{2.5}$ Time Series Forecasting
von: Lu, Jiahui, et al.
Veröffentlicht: (2025)

Multi-Strategy Improved Snake Optimizer Accelerated CNN-LSTM-Attention-Adaboost for Trajectory Prediction
von: Li, Shiyang
Veröffentlicht: (2025)

A Driving Regime-Embedded Deep Learning Framework for Modeling Intra-Driver Heterogeneity in Multi-Scale Car-Following Dynamics
von: Zhou, Shirui, et al.
Veröffentlicht: (2025)

QL-LSTM: A Parameter-Efficient LSTM for Stable Long-Sequence Modeling
von: Nti, Isaac Kofi
Veröffentlicht: (2025)

A Physics-Aware Attention LSTM Autoencoder for Early Fault Diagnosis of Battery Systems
von: Yang, Jiong
Veröffentlicht: (2025)

A Scalable Curiosity-Driven Game-Theoretic Framework for Long-Tail Multi-Label Learning in Data Mining
von: Yang, Jing, et al.
Veröffentlicht: (2026)

Bidirectional Linear Recurrent Models for Sequence-Level Multisource Fusion
von: Liu, Qisai, et al.
Veröffentlicht: (2025)

A Lightweight CNN-Attention-BiLSTM Architecture for Multi-Class Arrhythmia Classification on Standard and Wearable ECGs
von: Thota, Vamsikrishna, et al.
Veröffentlicht: (2025)

Enhanced Speech Emotion Recognition with Efficient Channel Attention Guided Deep CNN-BiLSTM Framework
von: Kundu, Niloy Kumar, et al.
Veröffentlicht: (2024)

Mitigating Temporal Blindness in Kubernetes Autoscaling: An Attention-Double-LSTM Framework
von: Shaikh, Faraz, et al.
Veröffentlicht: (2026)

A Noise-robust Multi-head Attention Mechanism for Formation Resistivity Prediction: Frequency Aware LSTM
von: Zhang, Yongan, et al.
Veröffentlicht: (2024)

Enhanced Parcel Arrival Forecasting for Logistic Hubs: An Ensemble Deep Learning Approach
von: Pan, Xinyue, et al.
Veröffentlicht: (2026)

Neural Sequence-to-Sequence Modeling with Attention by Leveraging Deep Learning Architectures for Enhanced Contextual Understanding in Abstractive Text Summarization
von: Challagundla, Bhavith Chandra, et al.
Veröffentlicht: (2024)

Higher-Order Modular Attention: Fusing Pairwise and Triadic Interactions for Protein Sequences
von: Amiraslani, Shirin, et al.
Veröffentlicht: (2026)