Fugu-MT 論文翻訳(概要): A tale of two toolkits, report the third: on the usage and performance of HIVE-COTE v1.0

論文の概要: A tale of two toolkits, report the third: on the usage and performance of HIVE-COTE v1.0

arxiv url: http://arxiv.org/abs/2004.06069v3
Date: Wed, 26 Apr 2023 08:40:07 GMT
ステータス: 処理完了
システム内更新日: 2023-04-27 19:02:25.680754
Title: A tale of two toolkits, report the third: on the usage and performance of HIVE-COTE v1.0
Title（参考訳）: 2つのツールキットの物語第3報:HIVE-COTE v1.0の使用と性能について
Authors: Anthony Bagnall, Michael Flynn, James Large, Jason Lines and Matthew Middlehurst
Abstract要約: HIVE-COTEは時系列分類のための異種メタアンサンブルである。本稿では、最新の安定版HIVE-COTE、バージョン1.0の概要と、オリジナルのものとの違いについて述べる。
参考スコア（独自算出の注目度）: 0.27561479348365736
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Hierarchical Vote Collective of Transformation-based Ensembles (HIVE-COTE) is a heterogeneous meta ensemble for time series classification. Since it was first proposed in 2016, the algorithm has undergone some minor changes and there is now a configurable, scalable and easy to use version available in two open source repositories. We present an overview of the latest stable HIVE-COTE, version 1.0, and describe how it differs to the original. We provide a walkthrough guide of how to use the classifier, and conduct extensive experimental evaluation of its predictive performance and resource usage. We compare the performance of HIVE-COTE to three recently proposed algorithms using the aeon toolkit.
Abstract（参考訳）: Hierarchical Vote Collective of Transformation-based Ensembles (HIVE-COTE) は時系列分類のための異種メタアンサンブルである。 2016年に最初に提案されて以来、アルゴリズムにはいくつかのマイナーな変更があり、2つのオープンソースリポジトリで利用可能な構成可能でスケーラブルで使いやすいバージョンがある。本稿では,最新の安定hive-coteであるバージョン1.0の概要と,オリジナルとの違いについて述べる。分類器の使用方法に関するウォークスルーガイドを提供し,その予測性能と資源利用に関する広範な実験評価を行う。我々はHIVE-COTEの性能を,最近提案した3つのアルゴリズムと比較した。

関連論文リスト

Towards More Practical Group Activity Detection: A New Benchmark and Model [61.39427407758131]
グループアクティビティ検出(グループアクティビティ検出、英: Group Activity Detection、GAD)は、ビデオにおいて、各グループのメンバを特定し、同時にグループのアクティビティを分類するタスクである。私たちはCaf'eと呼ばれる新しいデータセットを提示し、より実用的なシナリオとメトリクスを提示します。また、未知数のグループと潜在グループメンバーを効率的に効率的に扱う新しいGADモデルを提案する。
論文参考訳（メタデータ） (2023-12-05T16:48:17Z)
Benchmarking Test-Time Adaptation against Distribution Shifts in Image Classification [77.0114672086012]
テスト時間適応(TTA)は、予測時にのみラベルのないサンプルを活用することにより、モデルの一般化性能を向上させる技術である。本稿では,広く使用されている5つの画像分類データセット上で,13のTTA手法とその変種を体系的に評価するベンチマークを提案する。
論文参考訳（メタデータ） (2023-07-06T16:59:53Z)
Evaluating Graph Neural Networks for Link Prediction: Current Pitfalls and New Benchmarking [66.83273589348758]
リンク予測は、グラフのエッジの一部のみに基づいて、目に見えないエッジが存在するかどうかを予測しようとする。近年,この課題にグラフニューラルネットワーク(GNN)を活用すべく,一連の手法が導入されている。これらの新しいモデルの有効性をよりよく評価するために、新しい多様なデータセットも作成されている。
論文参考訳（メタデータ） (2023-06-18T01:58:59Z)
GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector [156.43671738038657]
本稿では,GCoNet+と呼ばれる新しいグループ協調学習ネットワークを提案する。 GCoNet+は自然界における共存対象を効果的かつ効率的に識別することができる。
論文参考訳（メタデータ） (2022-05-30T23:49:19Z)
Adaptive Optimizers with Sparse Group Lasso for Neural Networks in CTR Prediction [19.71671771503269]
深層学習における適応の族にスパース群ラッソの正規化子を追加する新しいフレームワークを開発する。理論的に凸な設定では,収束保証が確立される。提案手法は, 極めて優れた性能, 高い競争性能を達成できる。
論文参考訳（メタデータ） (2021-07-30T05:33:43Z)
Relearning ensemble selection based on new generated features [0.0]
提案手法は,3つのベンチマークデータセットと1つの合成データセットを用いて,最先端のアンサンブル手法と比較した。提案手法の評価には4つの分類性能指標を用いる。
論文参考訳（メタデータ） (2021-06-12T12:45:32Z)
HIVE-COTE 2.0: a new meta ensemble for time series classification [0.5708902722746041]
HIVE-COTEは時系列分類のための異種メタアンサンブルです。このアルゴリズムは、UCR時系列分類アーカイブの精度のための最先端の技術のままです。本稿では,HIVE-COTEアルゴリズムの精度とユーザビリティを大幅に向上させる包括的変更を提案する。
論文参考訳（メタデータ） (2021-04-15T16:06:09Z)
Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文参考訳（メタデータ） (2020-12-29T23:43:16Z)
DHOG: Deep Hierarchical Object Grouping [0.0]
本研究では,相互情報量(勾配最適化など)を最大化するための欲求的あるいは局所的手法が,相互情報量規準の局所的最適性を発見することを示す。本稿では,画像の多数の異なる表現を階層的順序で計算するディープ階層的オブジェクトグループ化(DHOG)を提案する。これらの表現は、下層のオブジェクトクラスにグループ化する下流のタスクとよく一致している。
論文参考訳（メタデータ） (2020-03-13T14:11:48Z)
Improving Reliability of Latent Dirichlet Allocation by Assessing Its Stability Using Clustering Techniques on Replicated Runs [0.3499870393443268]
本研究は,LDAの安定度を再現走行の代入値と比較することによって検討する。修正ジャカード係数を用いて、2つの生成トピックの類似性を定量化する。 S-CLOPはLDAモデルの安定性を評価するのに有用であることを示す。
論文参考訳（メタデータ） (2020-02-14T07:10:18Z)
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)

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。