热点事件持续更新
PI-AMFM 置换不变 AM-FM 分解框架
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究，提出置换不变神经网络框架 PI-AMFM，用于变基数 AM-FM 模态分解。该框架结合多尺度时序编码器、Mamba 主干与分量存在性估计，训练时采用置换不变的匈牙利匹配。在合成 AM-FM 信号上，其分解误差、瞬时频率误差、重建误差和模态数误差均低于对比方法，并在交叉 chirp 示例中保持整体轨迹模式。模型仅在合成信号上训练，却在光电容积脉搏波记录中恢复了心脏与呼吸动态。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
PI-AMFM 在合成信号上误差低于对比方法，并泛化至光电容积脉搏波。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）PI-AMFM：面向生物医学信号变基数 AM-FM 模态分解的置换不变学习框架
研究者提出置换不变神经网络框架 PI-AMFM，用于变基数 AM-FM 模态分解，结合多尺度时序编码器、Mamba 主干与分量存在性估计，训练时采用置换不变的匈牙利匹配。在合成 AM-FM 信号上，其分解误差、瞬时频率误差、重建误差和模态数误差均低于对比方法，并在交叉 chirp 示例中保持整体轨迹模式。该模型仅在合成信号上训练，却在光电容积脉搏波记录中恢复了心脏与呼吸动态。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。