跳到主要内容

Southwestern University of Finance and Economics

2 篇关联报道

arXiv 2026年10月24日
流数据预测不必重读历史：ReMAQ把模型平均更新化为二次规划，每来一批数据只解一次
流数据实时预测中，研究者往往同时手握多个广义线性模型，而模型平均通常要对全部历史数据做凸优化。ReMAQ用二次近似改写这一过程，使新一批数据到达时只需解一个二次规划即可顺序更新预测，无需访问全部历史数据。在正则条件下，其权重与基于不可得全数据的oracle模型平均渐近等价，由此得到渐近最优性；模拟研究以及在Airline On-Time Performance数据集上的应用用于评估该方法。
流数据实时预测中，研究者往往同时手握多个广义线性模型，而模型平均通常要对全部历史数据做凸优化。ReMAQ用二次近似改写这一过程，使新一批数据到达时只需解一个二次规划即可顺序更新预测，无需访问全部历史数据。在正则条件下，其权重与基于不可得全数据的oracle模型平均渐近等价，由此得到渐近最优性；模拟研究以及在Airline On-Time Performance数据集上的应用用于评估该方法。
Xi'an Jiaotong University Southwestern University of Finance and Economics
Yalu Ping（第一作者）
ReMAQ二次逼近可再生模型平均模型平均广义线性模型流数据分析
researchsquare.com 2026年10月22日
同频通信信号分离压到23.5万参数：复数注意力让模型少塌缩，还守住相位
同频通信信号的单通道盲分离此前多依赖实数域网络或与复数无关的注意力模块，难以利用I/Q两路之间的相位耦合。ComplexLightweightSepNet把复数挤压-激励模块嵌入复数卷积编解码器，用实数通道权重缩放复数特征而保留相位，整网仅235,525个参数。在5 Hz同频混合、四种调制方式的合成数据上，该模型五种子平均SDR为2.31 dB，标准差0.62 dB；配对Wilcoxon检验未达到α=0.05，因此结果被定位为235K参数规模下的一个可用工作点，而非优于基线的推断。
同频通信信号的单通道盲分离此前多依赖实数域网络或与复数无关的注意力模块，难以利用I/Q两路之间的相位耦合。ComplexLightweightSepNet把复数挤压-激励模块嵌入复数卷积编解码器，用实数通道权重缩放复数特征而保留相位，整网仅235,525个参数。在5 Hz同频混合、四种调制方式的合成数据上，该模型五种子平均SDR为2.31 dB，标准差0.62 dB；配对Wilcoxon检验未达到α=0.05，因此结果被定位为235K参数规模下的一个可用工作点，而非优于基线的推断。
University of Shanghai for Science and Technology Southwestern University of Finance and Economics Tianfu College of SWUFE Xidian University
Bin Nong（第一作者）
复数挤压-激励注意力 ComplexLightweightSepNet 盲源分离复数神经网络

已读完全部报道