Time-Series Estimation from Randomly Time-Warped Observations
从随机时间扭曲观测中估计时间序列AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：题名和摘要明确研究时间扭曲观测中的时间序列信号估计，方法上对应时间序列分析，应用场景则是生物医学信号。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
从随机时间扭曲观测中估计时间序列
- 研究问题
- 当大量观测受到随机时间扭曲时，如何估计原始信号，同时降低逐个逆扭曲或求解复杂优化问题带来的计算成本？
- 方法与思路
- 作者针对拥有大量扭曲观测的情形提出计算简便的函数估计算法，并在流式生物医学信号上展示其使用效果与计算价值。
- 材料陈述的贡献
- 摘要所述贡献是在多观测场景下提供一种计算简便的信号估计方案，并通过流式生物医学信号说明其实用性，未给出具体性能数值。
- 阅读关注点
- 核对随机时间扭曲的生成条件、算法具体步骤及其估计目标，检查观测数量要求、估计误差与计算成本如何随数据规模变化。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未提供识别条件、收敛结果或比较数值，不能据此判断少量观测时的表现。
原文摘要
We consider the problem of estimating a signal from its warped observations. Such estimation is commonly performed by altering the observations through some inverse-warping, or solving a computationally demanding optimization formulation. While these may be unavoidable if observations are few, when large amounts of warped observations are available, the cost of running such algorithms can be prohibitive. We consider the scenario where we have many observations, and propose a computationally simple algorithm for estimating the function of interest. We demonstrate the utility of the algorithm on streaming biomedical signals.