Un estudio evalúa Modelos de base EEG para la detección de supresión por ráfagas basada en eventos en EEG de UCI sin calibración específica del paciente. REVE-base logró la puntuación F1 basada en eventos más alta de 0.868 y redujo el error de ráfagas por minuto en un 52.1% en comparación con EEGNet. Los experimentos de ablatión muestran que el ajuste fino completo supera a otras estrategias, y REVE-base preentrenado supera la inicialización aleatoria por 0.723 puntos F1 con el 25% de datos etiquetados.
arxiv
arXiv cs.LG
·
hace 78 d
·
research
Modelos de base EEG para la detección de supresión por ráfagas en UCI
Traducido del English → Español
Artículos relacionados
arxiv
arXiv cs.LG
·
hace 78 d
·
1 vista
Análisis de datos topológicos para la monitorización de procesos en tiempo real
Un nuevo método combina el análisis de datos topológicos y el aprendizaje automático para monitorizar procesos dinámicos de alta dimensión. Representa los datos de series temporales como variedades, utiliza descriptores topológicos para capturar la estructura y emplea ecuaciones diferenciales ordinarias neuronales para modelar la evolución dinámica. El enfoque detecta eficazmente diversos eventos en datos de procesos industriales y supera a las alternativas basadas en reconstrucción y trayectorias.
arxiv
arXiv cs.LG
·
hace 78 d
SSH-Net: Red neuronal profunda para la predicción del tiempo de fallo bajo riesgos competitivos
SSH-Net es una red neuronal profunda estructurada diseñada para predecir funciones de distribución del tiempo de fallo bajo riesgos competitivos. Utiliza subredes separadas para diferentes grupos de covariables, mejorando la precisión al alinear la estructura neuronal con la jerarquía de los datos. El modelo se valida mediante estudios de simulación y se aplica a datos de fallo de GPUs Titan.
arxiv
arXiv cs.AI
·
hace 78 d
Modelos de base EEG para la detección de supresión por ráfagas en UCI
Un estudio evalúa Modelos de base EEG para la detección de supresión por ráfagas basada en eventos en entornos de UCI sin calibración específica del paciente. REVE-base logró la puntuación F1 basada en eventos más alta de 0.868 y redujo el error de ráfagas por minuto en un 52.1% en comparación con EEGNet y un 36.2% en comparación con la umbralización adaptativa, demostrando un rendimiento superior. Los resultados de ablation muestran que el ajuste fino completo supera a otras estrategias, y REVE-base preentrenado supera la inicialización aleatoria por 0.723 puntos F1 con el 25% de datos etiquetados, destacando el valor del preentrenamiento para conjuntos de datos limitados.
arxiv
arXiv cs.LG
·
hace 78 d
Manejo de Escala Autoadaptativo para Pronóstico de Series Temporales
Un nuevo módulo llamado Manejo de Escala Autoadaptativo (AS) aborda la heterogeneidad de escala en el pronóstico de series temporales. Utiliza Calibración de Escala y Selección de Escalamiento para ajustar adaptativamente los factores de escalado, preservando la discriminabilidad semántica y reduciendo errores de inverso-escalado. Los experimentos en datos de ventas de fondos muestran un rendimiento mejorado cuando se integra en modelos de pronóstico existentes.
arxiv
arXiv cs.LG
·
hace 78 d
Estudio comparativo de sustitutos neuronales para la predicción del estado de la batería
Un estudio comparativo evalúa cuatro arquitecturas neuronales—MLP, ResNet, U-Net y FNO—como predictores autoregresivos de los estados internos de la batería utilizando el modelo de Doyle-Fuller-Newman. La U-Net logra un nRMSE final medio del 3% en todas las variables de estado y proporciona una aceleración de 5.38x sobre los solucionadores numéricos, demostrando la importancia del sesgo inductivo espacial en el rendimiento del sustituto.