Buchumschlag

Exploring Spiking Neural Networks for Binary Classification in Multivariate Time Series at the Edge

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ghawaly, James, Nicholson, Andrew, Schuman, Catherine, Diez, Dalton, Young, Aaron, Witherspoon, Brett
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SpikeRL: A Scalable and Energy-efficient Framework for Deep Spiking Reinforcement Learning
von: Tahmid, Tokey, et al.
Veröffentlicht: (2025)

On the Sensitivity of Firing Rate-Based Federated Spiking Neural Networks to Differential Privacy
von: Pereira, Luiz, et al.
Veröffentlicht: (2026)

Causal and Local Correlations Based Network for Multivariate Time Series Classification
von: Du, Mingsen, et al.
Veröffentlicht: (2024)

Time Series Imputation with Multivariate Radial Basis Function Neural Network
von: Jung, Chanyoung, et al.
Veröffentlicht: (2024)

One-Step Graph-Structured Neural Flows for Irregular Multivariate Time Series Classification
von: Gao, Mengzhou, et al.
Veröffentlicht: (2026)

ST-Tree with Interpretability for Multivariate Time Series Classification
von: Du, Mingsen, et al.
Veröffentlicht: (2024)

Context Neural Networks: A Scalable Multivariate Model for Time Series Forecasting
von: Sriramulu, Abishek, et al.
Veröffentlicht: (2024)

CATS: Mitigating Correlation Shift for Multivariate Time Series Classification
von: Lin, Xiao, et al.
Veröffentlicht: (2025)

ShapeFormer: Shapelet Transformer for Multivariate Time Series Classification
von: Le, Xuan-May, et al.
Veröffentlicht: (2024)

Vibe2Spike: Batteryless Wireless Tags for Vibration Sensing with Event Cameras and Spiking Networks
von: Scott, Danny, et al.
Veröffentlicht: (2025)

Deep Coupling Network For Multivariate Time Series Forecasting
von: Yi, Kun, et al.
Veröffentlicht: (2024)

Bridging Neural Networks and Dynamic Time Warping for Adaptive Time Series Classification
von: Qu, Jintao, et al.
Veröffentlicht: (2025)

Dynamic Graph Structure Estimation for Learning Multivariate Point Process using Spiking Neural Networks
von: Chakraborty, Biswadeep, et al.
Veröffentlicht: (2025)

Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis
von: Shao, Zezhi, et al.
Veröffentlicht: (2023)

Higher-order Spatio-temporal Physics-incorporated Graph Neural Network for Multivariate Time Series Imputation
von: Liang, Guojun, et al.
Veröffentlicht: (2024)

TANDEM: Temporal Attention-guided Neural Differential Equations for Missingness in Time Series Classification
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

Contrast Similarity-Aware Dual-Pathway Mamba for Multivariate Time Series Node Classification
von: Du, Mingsen, et al.
Veröffentlicht: (2024)

ABBA-VSM: Time Series Classification using Symbolic Representation on the Edge
von: Kanatbekova, Meerzhan, et al.
Veröffentlicht: (2024)

DeepHGNN: Study of Graph Neural Network based Forecasting Methods for Hierarchically Related Multivariate Time Series
von: Sriramulu, Abishek, et al.
Veröffentlicht: (2024)

HN-MVTS: HyperNetwork-based Multivariate Time Series Forecasting
von: Savchenko, Andrey, et al.
Veröffentlicht: (2025)

DPANet: Dual Pyramid Attention Network for Multivariate Time Series Forecasting
von: Li, Qianyang, et al.
Veröffentlicht: (2025)

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

Graph Neural Networks with Diversity-aware Neighbor Selection and Dynamic Multi-scale Fusion for Multivariate Time Series Forecasting
von: Xu, Jingqi, et al.
Veröffentlicht: (2025)

GARNN: An Interpretable Graph Attentive Recurrent Neural Network for Predicting Blood Glucose Levels via Multivariate Time Series
von: Piao, Chengzhe, et al.
Veröffentlicht: (2024)

Revisiting Attention for Multivariate Time Series Forecasting
von: Wu, Haixiang
Veröffentlicht: (2024)

Are KANs Effective for Multivariate Time Series Forecasting?
von: Han, Xiao, et al.
Veröffentlicht: (2024)

Nearest Neighbor Multivariate Time Series Forecasting
von: Zhang, Huiliang, et al.
Veröffentlicht: (2025)

Quantifying the Accuracy and Cost Impact of Design Decisions in Budget-Constrained Agentic LLM Search
von: McCleary, Kyle, et al.
Veröffentlicht: (2026)

Prototype-Guided Classification Sub-Task Decoupling Framework: Enhancing Generalization and Interpretability for Multivariate Time Series
von: Song, Xianhao, et al.
Veröffentlicht: (2026)

PHEATPRUNER: Interpretable Data-centric Feature Selection for Multivariate Time Series Classification through Persistent Homology
von: Pham, Anh-Duy, et al.
Veröffentlicht: (2025)

VSFormer: Value and Shape-Aware Transformer with Prior-Enhanced Self-Attention for Multivariate Time Series Classification
von: Xi, Wenjie, et al.
Veröffentlicht: (2024)

SEDformer: Event-Synchronous Spiking Transformers for Irregular Telemetry Time Series Forecasting
von: Zhou, Ziyu, et al.
Veröffentlicht: (2026)

TS-LIF: A Temporal Segment Spiking Neuron Network for Time Series Forecasting
von: Feng, Shibo, et al.
Veröffentlicht: (2025)

TimeDRL: Disentangled Representation Learning for Multivariate Time-Series
von: Chang, Ching, et al.
Veröffentlicht: (2023)

HTMformer: Hybrid Time and Multivariate Transformer for Time Series Forecasting
von: Wang, Tan, et al.
Veröffentlicht: (2025)

SPARQ: Spiking Early-Exit Neural Networks for Energy-Efficient Edge AI
von: Patne, Parth, et al.
Veröffentlicht: (2026)

A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection
von: Jin, Ming, et al.
Veröffentlicht: (2023)

MambaSL: Exploring Single-Layer Mamba for Time Series Classification
von: Jung, Yoo-Min, et al.
Veröffentlicht: (2026)

PAMNet: Cycle-aware Phase-Amplitude Modulation Network for Multivariate Time Series Forecasting
von: Zhou, Yingbo, et al.
Veröffentlicht: (2026)

Zero-shot Multivariate Time Series Forecasting Using Tabular Prior Fitted Networks
von: Jayawardhana, Mayuka, et al.
Veröffentlicht: (2026)