Fugu-MT 論文翻訳(概要): Autoencoder-based time series clustering with energy applications

論文の概要: Autoencoder-based time series clustering with energy applications

arxiv url: http://arxiv.org/abs/2002.03624v1
Date: Mon, 10 Feb 2020 10:04:29 GMT
ステータス: 処理完了
システム内更新日: 2023-01-02 07:40:46.481493
Title: Autoencoder-based time series clustering with energy applications
Title（参考訳）: エネルギー利用によるオートエンコーダに基づく時系列クラスタリング
Authors: Guillaume Richard, Beno\^it Grossin, Guillaume Germaine, Georges H\'ebrail, Anne de Moliner
Abstract要約: 時系列クラスタリングは、データの特定の性質のため、難しい作業である。本稿では,畳み込み型オートエンコーダとk-メノイドアルゴリズムの組み合わせによる時系列クラスタリングについて検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Time series clustering is a challenging task due to the specific nature of the data. Classical approaches do not perform well and need to be adapted either through a new distance measure or a data transformation. In this paper we investigate the combination of a convolutional autoencoder and a k-medoids algorithm to perfom time series clustering. The convolutional autoencoder allows to extract meaningful features and reduce the dimension of the data, leading to an improvement of the subsequent clustering. Using simulation and energy related data to validate the approach, experimental results show that the clustering is robust to outliers thus leading to finer clusters than with standard methods.
Abstract（参考訳）: 時系列クラスタリングは、データの特定の性質のため、難しい作業である。古典的なアプローチはうまく機能せず、新しい距離測定やデータ変換によって適応する必要がある。本稿では,畳み込み型オートエンコーダとk-メノイドアルゴリズムの組み合わせによる時系列クラスタリングについて検討する。畳み込みオートエンコーダは、意味のある特徴を抽出し、データの次元を削減し、その後のクラスタリングを改善する。シミュレーションとエネルギー関連データを用いてアプローチを検証し、実験結果から、クラスタリングが標準手法よりも微細なクラスタに繋がることを示す。

関連論文リスト

GBCT: An Efficient and Adaptive Granular-Ball Clustering Algorithm for Complex Data [49.56145012222276]
粒状球クラスタリング(GBCT)と呼ばれる新しいクラスタリングアルゴリズムを提案する。 GBCTは、従来の点関係ではなく、グラニュラーボールの関係に従ってクラスタを形成する。グラニュラーボールは様々な複雑なデータに適合するので、GBCTは従来のクラスタリング法よりも非球面データセットにおいてはるかに優れている。
論文参考訳（メタデータ） (2024-10-17T07:32:05Z)
Concrete Dense Network for Long-Sequence Time Series Clustering [4.307648859471193]
時系列クラスタリングは、時間的パターンを発見するためのデータ分析において基本である。深部時間クラスタリング手法は、ニューラルネットワークのエンドツーエンドトレーニングに標準k平均を組み込もうとしている。 LoSTerは、時系列クラスタリング問題に対する新しい密集型オートエンコーダアーキテクチャである。
論文参考訳（メタデータ） (2024-05-08T12:31:35Z)
Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文参考訳（メタデータ） (2023-05-12T03:01:41Z)
Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
論文参考訳（メタデータ） (2023-05-11T10:30:35Z)
Hard Regularization to Prevent Deep Online Clustering Collapse without Data Augmentation [65.268245109828]
オンラインディープクラスタリング(オンラインディープクラスタリング)とは、機能抽出ネットワークとクラスタリングモデルを組み合わせて、クラスタラベルを処理された各新しいデータポイントまたはバッチに割り当てることである。オフラインメソッドよりも高速で汎用性が高いが、オンラインクラスタリングは、エンコーダがすべての入力を同じポイントにマッピングし、すべてを単一のクラスタに配置する、崩壊したソリューションに容易に到達することができる。本稿では,データ拡張を必要としない手法を提案する。
論文参考訳（メタデータ） (2023-03-29T08:23:26Z)
K-ARMA Models for Clustering Time Series Data [4.345882429229813]
K-Meansアルゴリズムのモデルベース一般化を用いた時系列データのクラスタリング手法を提案する。クラスタリングアルゴリズムは,不確実な偏差基準を用いて,アウトレーヤに対して頑健にすることができることを示す。我々は,時系列クラスタリングタスクにおいて,本手法が既存の手法と競合することを示す実データ実験を行った。
論文参考訳（メタデータ） (2022-06-30T18:16:11Z)
Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
論文参考訳（メタデータ） (2021-10-26T20:41:19Z)
A New Parallel Adaptive Clustering and its Application to Streaming Data [0.0]
本稿では,適切な数のクラスを同時に選択しながら,自動的にデータを分類する並列適応クラスタリング(pac)アルゴリズムを提案する。並列スレッドの結果を効率よくクラスタリングする正規化セット mik-means を開発した。提案手法の性能を特徴付けるための理論的解析と数値実験を行う。
論文参考訳（メタデータ） (2021-04-06T17:18:56Z)
From Time Series to Euclidean Spaces: On Spatial Transformations for Temporal Clustering [5.220940151628734]
従来のクラスタリング手法,時系列特異性,あるいは深層学習に基づく代替手法は,入力データに様々なサンプリングレートと高次元性が存在する場合によく一般化しないことを示す。本稿では,入力時系列を距離ベース投影表現に変換する時間クラスタリング手法を提案する。
論文参考訳（メタデータ） (2020-10-02T09:08:16Z)
Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文参考訳（メタデータ） (2020-01-06T23:33:31Z)
Data Curves Clustering Using Common Patterns Detection [0.0]
分析とクラスタリングの時系列、あるいは一般にあらゆる種類の曲線は、いくつかの人間の活動にとって重要である。共通パターン(CP)方法論を用いた新しい曲線クラスタリングについて紹介する。
論文参考訳（メタデータ） (2020-01-05T18:36:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。