Speaker
Description
В задачах обработки сигналов входные данные представляют собой временные ряды. В данной работе рассматривается метод, основанный на непрерывном тензорном представлении временных рядов, в приложении к задаче классификации электроэнцефалограмм (ЭЭГ) и аппроксимации исходного сигнала. Применение методов, основанных на нейронных дифференциальных уравнениях, позволяет работать с временными рядами как с непрерывными по времени, а разложение сигнала на частотные составляющие позволяет работать с ним как с трёхмерным линейным объектом. Основной результат работы~--– построение модели, работающей с непрерывным по времени тензорным представлением сигнала и анализ эффективности данного метода в сравнении с современными методами обработки сигнала, использующими его дискретное представление и непрерывное представление без тензоризации.
