面向生理信号的混沌理论平衡与潜在动力学世界建模

arXiv 2026 55.9 method, application

TLDR

提出NormWear-2世界模型，利用混沌理论平衡和潜在动力学实现生理信号多尺度预测。

评分理由

Strengths include novel chaos-theoretic balancing improving representation efficiency and evaluation on diverse real-world datasets with 8,026 subjects. Weaknesses: limited to physiological signals, no comparison to baselines or ablation studies mentioned in abstract.

Read-first 评分解释

综合优先阅读分 55.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 37。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

79.3

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.7930392

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、评估、指标

主题相关性 29%

52.9

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码、数据集

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：298。

关键词评分

world model

world dynamics prediction

generative world model

world simulator

interactive world model

model-based reinforcement learning world model

video world model

深度分析

创新点

提出NormWear-2世界模型，将多变量生理信号和临床干预变量编码到共享潜在空间，并建模其联合时间演化作为动力系统。
在预训练阶段采用混沌理论平衡动态机制多样性，使得更小的平衡语料库优于两倍大小的非平衡语料库，并捕获分岔机制。
结合先验预训练知识（直觉）与即时非参数潜在状态转移适应（洞察），实现基于异质临床干预条件的连贯多尺度预测。

方法

NormWear-2将多变量生理信号和临床干预变量编码到共享潜在空间，并建模其联合时间演化作为动力系统。该方法结合先验预训练知识（直觉）与即时非参数潜在状态转移适应（洞察）。在预训练阶段，应用混沌理论平衡动态机制多样性以提高表示鲁棒性。

关键结果

NormWear-2在时间、频率和潜在表示域上均取得最佳整体预测性能，显著优于最先进的时间序列基础模型，同时保持有竞争力的下游表示质量。更小的平衡语料库优于两倍大小的非平衡语料库，并捕获分岔机制。

资源

论文