Copertina

Riemannian Geometry-Preserving Variational Autoencoder for MI-BCI Data Augmentation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Poļaka, Viktorija, de Jong, Ivo Pascal, Sburlea, Andreea Ioana
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Uncertainty Quantification for Motor Imagery BCI -- Machine Learning vs. Deep Learning
di: Suurmeijer, Joris, et al.
Pubblicazione: (2025)

Transferring BCI models from calibration to control: Observing shifts in EEG features
di: de Jong, Ivo Pascal, et al.
Pubblicazione: (2024)

Uncertainty Quantification in Machine Learning for Biosignal Applications -- A Review
di: de Jong, Ivo Pascal, et al.
Pubblicazione: (2023)

Measuring Orthogonality as the Blind-Spot of Uncertainty Disentanglement
di: de Jong, Ivo Pascal, et al.
Pubblicazione: (2024)

The Challenge of Out-Of-Distribution Detection in Motor Imagery BCIs
di: Mulder, Merlijn Quincent, et al.
Pubblicazione: (2026)

Uncertainty Quantification for cross-subject Motor Imagery classification
di: Manivannan, Prithviraj, et al.
Pubblicazione: (2024)

Data Augmentation with Variational Autoencoder for Imbalanced Dataset
di: Stocksieker, Samuel, et al.
Pubblicazione: (2024)

Unified Uncertainties: Combining Input, Data and Model Uncertainty into a Single Formulation
di: Valdenegro-Toro, Matias, et al.
Pubblicazione: (2024)

A Strong and Simple Deep Learning Baseline for BCI MI Decoding
di: Ouahidi, Yassine El, et al.
Pubblicazione: (2023)

Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
di: Sun, Xingzhi, et al.
Pubblicazione: (2024)

NLP Methods May Actually Be Better Than Professors at Estimating Question Difficulty
di: Zotos, Leonidas, et al.
Pubblicazione: (2025)

Weakly Augmented Variational Autoencoder in Time Series Anomaly Detection
di: Wu, Zhangkai, et al.
Pubblicazione: (2024)

Augmenting Training Data with Vector-Quantized Variational Autoencoder for Classifying RF Signals
di: Kompella, Srihari Kamesh, et al.
Pubblicazione: (2024)

Exploring Variational Graph Autoencoders for Distribution Grid Data Generation
di: Abbas, Syed Zain, et al.
Pubblicazione: (2025)

Causal Dynamic Variational Autoencoder for Counterfactual Regression in Longitudinal Data
di: Bouchattaoui, Mouad El, et al.
Pubblicazione: (2023)

Beyond Vanilla Variational Autoencoders: Detecting Posterior Collapse in Conditional and Hierarchical Variational Autoencoders
di: Dang, Hien, et al.
Pubblicazione: (2023)

Isometric Immersion Learning with Riemannian Geometry
di: Chen, Zihao, et al.
Pubblicazione: (2024)

Know What You do Not Know: Verbalized Uncertainty Estimation Robustness on Corrupted Images in Vision-Language Models
di: Borszukovszki, Mirko, et al.
Pubblicazione: (2025)

Analysis of Variational Sparse Autoencoders
di: Baker, Zachary, et al.
Pubblicazione: (2025)

Variational Rank Reduction Autoencoders
di: Mounayer, Jad, et al.
Pubblicazione: (2025)

Ensemble Visualization With Variational Autoencoder
di: Wu, Cenyang, et al.
Pubblicazione: (2025)

On Kernel-based Variational Autoencoder
di: Qin, Tian, et al.
Pubblicazione: (2024)

An Introduction to Discrete Variational Autoencoders
di: Jeffares, Alan, et al.
Pubblicazione: (2025)

Likelihood-Free Variational Autoencoders
di: Xu, Chen, et al.
Pubblicazione: (2025)

CardiCat: a Variational Autoencoder for High-Cardinality Tabular Data
di: Carlin, Lee, et al.
Pubblicazione: (2025)

Integrating Random Effects in Variational Autoencoders for Dimensionality Reduction of Correlated Data
di: Simchoni, Giora, et al.
Pubblicazione: (2024)

IVGAE: Handling Incomplete Heterogeneous Data with a Variational Graph Autoencoder
di: Zhou, Youran, et al.
Pubblicazione: (2025)

Score-based Pullback Riemannian Geometry: Extracting the Data Manifold Geometry using Anisotropic Flows
di: Diepeveen, Willem, et al.
Pubblicazione: (2024)

Bidirectional Variational Autoencoders
di: Kosko, Bart, et al.
Pubblicazione: (2025)

The Geometry of Queries: Query-Based Innovations in Retrieval-Augmented Generation for Healthcare QA
di: Yang, Eric, et al.
Pubblicazione: (2024)

Discovering Influential Factors in Variational Autoencoders
di: Liu, Shiqi, et al.
Pubblicazione: (2018)

Theoretical Convergence Guarantees for Variational Autoencoders
di: Surendran, Sobihan, et al.
Pubblicazione: (2024)

Zero-Variance Gradients for Variational Autoencoders
di: Shao, Zilei, et al.
Pubblicazione: (2025)

Large Brain Model for Learning Generic Representations with Tremendous EEG Data in BCI
di: Jiang, Wei-Bang, et al.
Pubblicazione: (2024)

Data-driven Synthesis of Magnetic Resonance Spectroscopy Data using a Variational Autoencoder
di: van de Sande, Dennis M. J., et al.
Pubblicazione: (2026)

$t^3$-Variational Autoencoder: Learning Heavy-tailed Data with Student's t and Power Divergence
di: Kim, Juno, et al.
Pubblicazione: (2023)

Exploring Transformer Placement in Variational Autoencoders for Tabular Data Generation
di: Silva, Aníbal, et al.
Pubblicazione: (2026)

Phase-Type Variational Autoencoders for Heavy-Tailed Data
di: Ziani, Abdelhakim, et al.
Pubblicazione: (2026)

Hellinger Multimodal Variational Autoencoders
di: Vo, Huyen, et al.
Pubblicazione: (2026)

Variational Autoencoder for Calibration: A New Approach
di: Barrett, Travis, et al.
Pubblicazione: (2025)