Buchumschlag

Self-Supervised Dynamical System Representations for Physiological Time-Series

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yenho, Xu, Maxwell A., Rehg, James M., Rozell, Christopher J.
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

Probabilistic Decomposed Linear Dynamical Systems for Robust Discovery of Latent Neural Dynamics
von: Chen, Yenho, et al.
Veröffentlicht: (2024)

Decomposed Linear Dynamical Systems (dLDS) for learning the latent components of neural dynamics
von: Mudrik, Noga, et al.
Veröffentlicht: (2022)

LINOCS: Lookahead Inference of Networked Operators for Continuous Stability
von: Mudrik, Noga, et al.
Veröffentlicht: (2024)

REBAR: Retrieval-Based Reconstruction for Time-series Contrastive Learning
von: Xu, Maxwell A., et al.
Veröffentlicht: (2023)

TimeMAE: Self-Supervised Representations of Time Series with Decoupled Masked Autoencoders
von: Cheng, Mingyue, et al.
Veröffentlicht: (2023)

Self-Supervised Learning of Disentangled Representations for Multivariate Time-Series
von: Chang, Ching, et al.
Veröffentlicht: (2024)

Temporally Multi-Scale Sparse Self-Attention for Physical Activity Data Imputation
von: Wei, Hui, et al.
Veröffentlicht: (2024)

TimeDART: A Diffusion Autoregressive Transformer for Self-Supervised Time Series Representation
von: Wang, Daoyu, et al.
Veröffentlicht: (2024)

PyPulse: A Python Library for Biosignal Imputation
von: Gao, Kevin, et al.
Veröffentlicht: (2024)

Time Series Representation Learning with Supervised Contrastive Temporal Transformer
von: Liu, Yuansan, et al.
Veröffentlicht: (2024)

PFML: Self-Supervised Learning of Time-Series Data Without Representation Collapse
von: Vaaras, Einari, et al.
Veröffentlicht: (2024)

DeCoP: Enhancing Self-Supervised Time Series Representation with Dependency Controlled Pre-training
von: Wu, Yuemin, et al.
Veröffentlicht: (2025)

UniTS: A Universal Time Series Analysis Framework Powered by Self-Supervised Representation Learning
von: Liang, Zhiyu, et al.
Veröffentlicht: (2023)

Forecasting with Guidance: Representation-Level Supervision for Time Series Forecasting
von: Wang, Jiacheng, et al.
Veröffentlicht: (2026)

Self-Supervised Spatial-Temporal Normality Learning for Time Series Anomaly Detection
von: Chen, Yutong, et al.
Veröffentlicht: (2024)

Domain Knowledge is Power: Leveraging Physiological Priors for Self Supervised Representation Learning in Electrocardiography
von: Maghsoodi, Nooshin, et al.
Veröffentlicht: (2025)

Leveraging Shared Prototypes for a Multimodal Pulse Motion Foundation Model
von: Mao, Wanting, et al.
Veröffentlicht: (2025)

End-To-End Self-Tuning Self-Supervised Time Series Anomaly Detection
von: Deforce, Boje, et al.
Veröffentlicht: (2024)

Improving Time Series Encoding with Noise-Aware Self-Supervised Learning and an Efficient Encoder
von: Nguyen, Duy A., et al.
Veröffentlicht: (2023)

A Systematic Evaluation of Generated Time Series and Their Effects in Self-Supervised Pretraining
von: Der, Audrey, et al.
Veröffentlicht: (2024)

Towards Time Series Reasoning with LLMs
von: Chow, Winnie, et al.
Veröffentlicht: (2024)

Pulse-PPG: An Open-Source Field-Trained PPG Foundation Model for Wearable Applications Across Lab and Field Settings
von: Saha, Mithun, et al.
Veröffentlicht: (2025)

NeuCoReClass AD: Redefining Self-Supervised Time Series Anomaly Detection
von: Sánchez-Ferrera, Aitor, et al.
Veröffentlicht: (2025)

Self-Supervised Learning for Time Series: Contrastive or Generative?
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

Beyond Labels: Information-Efficient Human-in-the-Loop Learning using Ranking and Selection Queries
von: Martín-Urcelay, Belén, et al.
Veröffentlicht: (2026)

TS2Vec-Ensemble: An Enhanced Self-Supervised Framework for Time Series Forecasting
von: Niroshan, Ganeshan, et al.
Veröffentlicht: (2025)

Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data
von: Nguyen, Duy, et al.
Veröffentlicht: (2026)

Towards Self-Supervised Foundation Models for Critical Care Time Series
von: Jagd, Katja Naasunnguaq, et al.
Veröffentlicht: (2025)

Self-Supervised Learning for Time Series: A Review & Critique of FITS
von: Eefsen, Andreas Løvendahl, et al.
Veröffentlicht: (2024)

A Review on Self-Supervised Learning for Time Series Anomaly Detection: Recent Advances and Open Challenges
von: Sánchez-Ferrera, Aitor, et al.
Veröffentlicht: (2025)

A Self-Supervised Task for Fault Detection in Satellite Multivariate Time Series
von: Cena, Carlo, et al.
Veröffentlicht: (2024)

LORE: Jointly Learning the Intrinsic Dimensionality and Relative Similarity Structure From Ordinal Data
von: Anand, Vivek, et al.
Veröffentlicht: (2026)

Self-Supervised Learning for Time Series Analysis: Taxonomy, Progress, and Prospects
von: Zhang, Kexin, et al.
Veröffentlicht: (2023)

A Multi-Agent Framework for Interpreting Multivariate Physiological Time Series
von: Gabrielli, Davide, et al.
Veröffentlicht: (2026)

TSLANet: Rethinking Transformers for Time Series Representation Learning
von: Eldele, Emadeldeen, et al.
Veröffentlicht: (2024)

Multi-Patch Prediction: Adapting LLMs for Time Series Representation Learning
von: Bian, Yuxuan, et al.
Veröffentlicht: (2024)

Simple Contrastive Representation Learning for Time Series Forecasting
von: Zheng, Xiaochen, et al.
Veröffentlicht: (2023)

How Different from the Past? Spatio-Temporal Time Series Forecasting with Self-Supervised Deviation Learning
von: Gao, Haotian, et al.
Veröffentlicht: (2025)

Modeling Multimodal Social Interactions: New Challenges and Baselines with Densely Aligned Representations
von: Lee, Sangmin, et al.
Veröffentlicht: (2024)

Aortic Valve Disease Detection from PPG via Physiology-Informed Self-Supervised Learning
von: Wang, Jiaze, et al.
Veröffentlicht: (2026)