arXiv cs.AI· Nathaniel Chen, Kouroche Bouchiat, Peter Steiner, Andrew Rothstein, David Smith, Max Austin, Mike van Zeeland, Marie Roch, Azarakhsh Jalalvand, Egemen Kolemen·· 13 小时前AI 评分30
TokEye：无需参考样本的通用时频相干模式提取器
A general extractor for coherent patterns across time-frequency measurements
AI 导读
TokEye 是一种无需参考样本的方法，可从异构融合测量中学习相干结构的通用判据，且无需重新训练即可迁移到其他领域。该模型在恒星器信号上回收 82.5% 的专家标注信号，检测到 78% 的海豚哨声，并在六个基准上以 81.5% 的平均精度识别雷达事件，在 GPU 上处理完整实验频谱图耗时不到一秒。
正文 · AI 翻译
摘要：科学发现日益依赖于在体量过大、无法人工检查的传感器数据中寻找有意义的模式。现有的时频事件提取器通常针对每种仪器在人工标注样本上进行设计或训练，这一过程既费力，又难以适应新环境。为此，我们提出 TokEye，这是一种无参考方法，可从异构融合测量中学习相干结构的通用判据。基于该方法开发的模型无需重新训练，即可从海洋生物声学和宽带雷达等多个其他领域提取信号。它找回了 82.5\% 的专家标注仿星器信号，检测到 78\% 的海豚哨声，并在六项基准测试中以 81.5\% 的平均精度识别雷达事件，同时在 GPU 上处理完整实验频谱图耗时不到一秒。这种跨不相关传感器与物理系统的迁移揭示了时频测量中可利用的共性结构，并为自动化科学信号发现奠定了可扩展的基础。
| 主题： | 信号处理（eess.SP）；人工智能（cs.AI）；等离子体物理（physics.plasm-ph） |
| 引用为： | arXiv:2602.20317 [eess.SP] |
| （或本版本的 arXiv:2602.20317v3 [eess.SP]） | |
| https://doi.org/10.48550/arXiv.2602.20317 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Nathaniel Chen [查看邮箱]
[v1]
2026年2月23日星期一 20:03:10 UTC（8,811 KB）
[v2]
2026年2月26日星期四 01:13:38 UTC（8,811 KB）
[v3]
2026年10月27日星期二 22:14:47 UTC（30,925 KB）
来源：arXiv cs.AI · arxiv.org