个性化卷积字典学习：用于生理时间序列
机器学习
2025-03-12 v1 机器学习
统计理论
统计理论
摘要
人类生理信号往往表现出全球结构和局部结构：前者在群体之间共享，而后者反映个体间的差异。例如，行走过程中步态周期的动力学测量呈现出常见特征，尽管由于生物力学 disposition 或疾病而可能观察到些微差异。为更好地表示具有局部-全局结构的数据集，本文扩展了卷积字典学习（CDL），这是一种流行的方法，用于学习可解释的时间序列数据表示或字典。在本工作中，我们提出了个性化卷积字典学习（PerCDL），其中局部字典模型化了作为全球字典个性化时空变换的局部信息。该变换是可学习的，可以组合如时间错位和旋转等操作。为 PerCDL 提供了形式的计算和统计保证，并在合成数据和真实人类 locomotion 数据上Demonstrated了其有效性。
引用
@article{arxiv.2503.07687,
title = {Personalized Convolutional Dictionary Learning of Physiological Time Series},
author = {Axel Roques and Samuel Gruffaz and Kyurae Kim and Alain Oliviero-Durmus and Laurent Oudre},
journal= {arXiv preprint arXiv:2503.07687},
year = {2025}
}