跳到正文
热点事件观察中

CENDRe：自动定概念数的CNN概念提取法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Antonia Holzapfel等作者提出面向CNN时序分类的概念提取方法CENDRe，用两阶段聚类处理每个时间步的潜在表示，并以轮廓系数引导自动确定概念数量，针对现有方法仅限时域、依赖预设概念数、定位不准三个问题。 该方法用存在分数及其梯度生成掩码，并借助傅里叶变换等可逆映射把同一概念定位到不同信号域。作者称，在合成基准上其表示正确性媲美SOTA方法、重要性正确性更高；在真实轴承故障数据上提取出驱动预测的频段。上述效果均为论文报告结果。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00
CENDRe：用自然域表示做概念提取的 CNN 时序分类方法

报道时间线

沿着报道，了解事件的不同侧面。

11月14日
  1. arXiv cs.AI
    CENDRe：用自然域表示做概念提取的 CNN 时序分类方法

    CENDRe 是一种面向 CNN 时序分类的概念提取方法，通过两阶段聚类每时间步潜在表示并用轮廓系数引导自动确定概念数量，解决现有方法仅限时域、依赖预设概念数、定位不准三个问题。它用存在分数及其梯度生成掩码，并借助傅里叶变换等可逆映射把同一概念定位到不同信号域。在合成基准上表示正确性媲美 SOTA 方法且重要性正确性更高，在真实轴承故障数据上提取出驱动预测的频段。

本事件热度走势

可比范围当前
5
可比范围峰值
711月15日 04:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。