2021 IEEE 31st International Workshop on Machine Learning for Signal Processing (MLSP) 2021
DOI: 10.1109/mlsp52302.2021.9596563
|View full text |Cite
|
Sign up to set email alerts
|

Learning Parametric Time-Vertex Graph Processes from Incomplete Realizations

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
1
0
1

Year Published

2022
2022
2024
2024

Publication Types

Select...
2
1

Relationship

0
3

Authors

Journals

citations
Cited by 3 publications
(2 citation statements)
references
References 15 publications
0
1
0
1
Order By: Relevance
“…Активна потужність і-ї гармонійної складової, що споживається первинною обмоткою тягового трансформатора, розрахована за формулою Фазовий зсув між першими гармонійними складовими напруги і струму первинної обмотки тягового трансформатора визначався за формулою В роботах [107][108][109] зазначалось, що існують три способи реалізації АРметоду:…”
Section: модель системи тягового електропостачанняunclassified
“…Активна потужність і-ї гармонійної складової, що споживається первинною обмоткою тягового трансформатора, розрахована за формулою Фазовий зсув між першими гармонійними складовими напруги і струму первинної обмотки тягового трансформатора визначався за формулою В роботах [107][108][109] зазначалось, що існують три способи реалізації АРметоду:…”
Section: модель системи тягового електропостачанняunclassified
“…Graph-based spatiotemporal models can be divided into three categories: ARMA models: These methods model the signal evolution as a combination of filtered past temporal signals [2]. They consider the graph topology at each time instant for a variety of applications [3][4][5][6][7][8][9][10]; State space models. These methods use a state transition and an obervation step to model spatiotemporal signals [11,12].…”
Section: Introductionmentioning
confidence: 99%