TMLR

Symmetric Divergence and Normalized Similarity: A Unified Topological Framework for Representation Analysis

对称散度与归一化相似性：表示分析的统一拓扑框架

Yan Wang, Tianyang Hu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） 纠错

AI总结 提出对称表示拓扑散度（SRTD）和归一化拓扑相似性（NTS），分别解决现有拓扑散度的非对称性和无界性问题，实现细粒度结构诊断与跨场景标准化评估。

Comments Accepted by TMLR

MSTN: A Lightweight and Fast Model for General TimeSeries Analysis

MSTN: 一种轻量且快速的通用时间序列分析模型

Sumit S Shevtekar, Chandresh K Maurya

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Indian Institute of Technology Indore（印度理工学院印度尔） 纠错

AI总结 本文提出了一种轻量且快速的MSTN模型，通过多尺度时间网络架构，结合早期内部聚合原理，有效处理时间序列中的非平稳性、非线性动态和多时间尺度行为，实现了在多个时间尺度上的灵活建模，同时保持了模型的轻量级和低延迟特性。

Comments 30 pages, published in Transactions on Machine Learning Research (TMLR)