gone_with_heart-优快云博客

原创论文笔记：TIMEDIT: GENERAL-PURPOSE DIFFUSION TRANSFORMERS FOR TIME SERIES FOUNDATION MODEL

将多元时间序列表示为，其中 K 是特征数量，L 是时间序列长度。。定义观察掩码来标识数据缺失情况，再根据观测掩码构建生成条件观测和目标掩码部分。任务目标是用模型分布近似真实条件时间序列分布，通过扩散模型结合条件信息进行计算。

2025-06-11 08:09:47 445 1

原创论文笔记：High-Resolution Image Synthesis with Latent Diffusion Models

文章提出了潜在扩散模型（LDMs），通过在预训练的自动编码器的潜在空间中应用扩散模型，显著降低了计算成本，同时保持了高分辨率图像合成的质量和灵活性，在多个图像合成任务中取得了先进的性能。

2025-06-03 11:03:41 212 1

原创论文笔记：Decoding speech perception from non-invasive brain recordings

本文介绍了一种通过非侵入性脑记录（MEG/EEG）解码语音感知的模型，利用对比学习和自监督预训练语音模型（wav2vec 2.0），实现对自然语音的高效解码。代码链接：github.com/facebookresearch/brainmagick。

2025-05-28 17:59:33 469 1

原创论文阅读笔记

这篇文章提出了EEG-GPT方法，利用大语言模型（LLM）进行脑电图（EEG）分类和解读，在少样本学习范式下表现出色，为临床应用提供了新方向。1. 研究背景：传统机器学习应用于EEG存在局限性，缺乏多尺度理解和分类能力，且解释性差。LLM的发展为EEG研究带来新契机，其具有少样本、零样本学习，推理规划和协同计算工具的能力，适用于EEG小数据场景。2. 研究方法少样本和零样本学习：使用Temple University Hospital Abnormal Corpus数据集，将EEG文件划分为20秒时段，计算

2025-04-15 13:28:01 587 1

原创论文笔记：利用知识蒸馏和潜在扩散模型解码脑电图的视觉脑表征

该研究提出用知识蒸馏训练 EEG 分类器并结合潜在扩散模型重建图像的创新方法。经对两个独立数据集的实验验证，该方法在 EEG 解码和图像重建方面取得显著成果，为脑 - 机接口、神经假体和人机交互等领域带来新可能。未来研究将聚焦提升系统解码精度与效率，探索与 fMRI 等其他模态的融合以改善空间分辨率，融入实时反馈机制优化脑 - 机接口，同时深入研究相关伦理问题和神经数据安全，确保技术合理应用。

2025-04-03 11:42:53 862 1

原创论文笔记：TVNet (ICLR2025)

这是2025年发表在ICLR的一篇文章，这篇文章的通讯作者是浙大国际联合学院（ZJU-UIUC）的刁瑞盛教授，这两位共一现在分别是清华深研院和港科大的学生，这篇文章应该是他们本科在浙大时跟着这个刁教授完成的工作，他们的主要研究方向是AI for Electricity。这篇文章引入了一种3d嵌入技术，将一维时间序列张量转换为三维张量，并提出了TVNet (time - video Net)网络架构，利用动态卷积来有效地捕获补丁内、补丁间和跨变量依赖关系，进行全面的时间序列分析，该模型在多个任务中性能卓越。

2025-04-01 20:35:08 814 1