:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Yongbin, Chon, Ki H.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2508.19361
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhanced Atrial Fibrillation Prediction in ESUS Patients with Hypergraph-based Pre-training
von: Xie, Yuzhang, et al.
Veröffentlicht: (2026)

SiamAF: Learning Shared Information from ECG and PPG Signals for Robust Atrial Fibrillation Detection
von: Guo, Zhicheng, et al.
Veröffentlicht: (2023)

SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals
von: Yan, Runze, et al.
Veröffentlicht: (2024)

Towards Continuous Skin Sympathetic Nerve Activity Monitoring: Removing Muscle Noise
von: Baghestani, Farnoush, et al.
Veröffentlicht: (2024)

A Dataset and Benchmarks for Atrial Fibrillation Detection from Electrocardiograms of Intensive Care Unit Patients
von: Nassar, Sarah, et al.
Veröffentlicht: (2025)

TSRM: A Lightweight Temporal Feature Encoding Architecture for Time Series Forecasting and Imputation
von: Leppich, Robert, et al.
Veröffentlicht: (2025)

STG-Mamba: Spatial-Temporal Graph Learning via Selective State Space Model
von: Li, Lincan, et al.
Veröffentlicht: (2024)

SpoT-Mamba: Learning Long-Range Dependency on Spatio-Temporal Graphs with Selective State Spaces
von: Choi, Jinhyeok, et al.
Veröffentlicht: (2024)

Knowledge Distillation on Spatial-Temporal Graph Convolutional Network for Traffic Prediction
von: Izadi, Mohammad, et al.
Veröffentlicht: (2024)

Causally-Aware Spatio-Temporal Multi-Graph Convolution Network for Accurate and Reliable Traffic Prediction
von: Dong, Pingping, et al.
Veröffentlicht: (2024)

Sampling Matters: The Effect of ECG Frequency on Deep Learning-Based Atrial Fibrillation Detection
von: Mahmuod, Arjan, et al.
Veröffentlicht: (2026)

A Novel Preprocessing-Driven Approach to Remaining Useful Life (RUL) Prediction Using Temporal Convolutional Networks (TCN)
von: Imbert, Florent, et al.
Veröffentlicht: (2026)

Decoupling Spatio-Temporal Prediction: When Lightweight Large Models Meet Adaptive Hypergraphs
von: Chen, Jiawen, et al.
Veröffentlicht: (2025)

Efficient State Space Model via Fast Tensor Convolution and Block Diagonalization
von: Liang, Tongyi, et al.
Veröffentlicht: (2024)

RSTGCN: Railway-centric Spatio-Temporal Graph Convolutional Network for Train Delay Prediction
von: Chowdhury, Koyena, et al.
Veröffentlicht: (2025)

Enhancing Data Efficiency and Feature Identification for Lithium-Ion Battery Lifespan Prediction by Deciphering Interpretation of Temporal Patterns and Cyclic Variability Using Attention-Based Models
von: Lee, Jaewook, et al.
Veröffentlicht: (2023)

EEG-MFTNet: An Enhanced EEGNet Architecture with Multi-Scale Temporal Convolutions and Transformer Fusion for Cross-Session Motor Imagery Decoding
von: Andrikopoulos, Panagiotis, et al.
Veröffentlicht: (2026)

CEGRL-TKGR: A Causal Enhanced Graph Representation Learning Framework for Temporal Knowledge Graph Reasoning
von: Sun, Jinze, et al.
Veröffentlicht: (2024)

Intrinsic-Energy Joint Embedding Predictive Architectures Induce Quasimetric Spaces
von: Kobanda, Anthony, et al.
Veröffentlicht: (2026)

State Space Models on Temporal Graphs: A First-Principles Study
von: Li, Jintang, et al.
Veröffentlicht: (2024)

Hierarchical Spatio-Temporal State-Space Modeling for fMRI Analysis
von: Wei, Yuxiang, et al.
Veröffentlicht: (2024)

Revisiting Convolution Architecture in the Realm of DNA Foundation Models
von: Bo, Yu, et al.
Veröffentlicht: (2025)

ss-Mamba: Semantic-Spline Selective State-Space Model
von: Ye, Zuochen
Veröffentlicht: (2025)

Mamba: Linear-Time Sequence Modeling with Selective State Spaces
von: Gu, Albert, et al.
Veröffentlicht: (2023)

MambaLRP: Explaining Selective State Space Sequence Models
von: Jafari, Farnoush Rezaei, et al.
Veröffentlicht: (2024)

TIDES: Implicit Time-Awareness in Selective State Space Models
von: Soydan, Taylan, et al.
Veröffentlicht: (2026)

mGRADE: Minimal Recurrent Gating Meets Delay Convolutions for Lightweight Sequence Modeling
von: Torchet, Tristan, et al.
Veröffentlicht: (2025)

Developing the Temporal Graph Convolutional Neural Network Model to Predict Hip Replacement using Electronic Health Records
von: Hancox, Zoe, et al.
Veröffentlicht: (2024)

STAG-CN: Spatio-Temporal Apiary Graph Convolutional Network for Disease Onset Prediction in Beehive Sensor Networks
von: Kang, Sungwoo
Veröffentlicht: (2026)

Sessa: Selective State Space Attention
von: Horbatko, Liubomyr
Veröffentlicht: (2026)

TAMI: Taming Heterogeneity in Temporal Interactions for Temporal Graph Link Prediction
von: Yu, Zhongyi, et al.
Veröffentlicht: (2025)

PRISM: Lightweight Multivariate Time-Series Classification through Symmetric Multi-Resolution Convolutional Layers
von: Zucchi, Federico, et al.
Veröffentlicht: (2025)

Context-Selective State Space Models: Feedback is All You Need
von: Zattra, Riccardo, et al.
Veröffentlicht: (2025)

PVNet: A LRCN Architecture for Spatio-Temporal Photovoltaic PowerForecasting from Numerical Weather Prediction
von: Mathe, Johan, et al.
Veröffentlicht: (2019)

Quamba: A Post-Training Quantization Recipe for Selective State Space Models
von: Chiang, Hung-Yueh, et al.
Veröffentlicht: (2024)

Decision Mamba: Reinforcement Learning via Sequence Modeling with Selective State Spaces
von: Ota, Toshihiro
Veröffentlicht: (2024)

Scheduled Knowledge Acquisition on Lightweight Vector Symbolic Architectures for Brain-Computer Interfaces
von: Liu, Yejia, et al.
Veröffentlicht: (2024)

Spatial-Temporal Interactive Dynamic Graph Convolution Network for Traffic Forecasting
von: Liu, Aoyu, et al.
Veröffentlicht: (2022)

UniMamba: A Unified Spatial-Temporal Modeling Framework with State-Space and Attention Integration
von: Chen, Xingsheng, et al.
Veröffentlicht: (2026)

Permutation-Equivariant 2D State Space Models: Theory and Canonical Architecture for Multivariate Time Series
von: Jeong, Seungwoo, et al.
Veröffentlicht: (2026)