論文の概要: Approaches and Applications of Early Classification of Time Series: A Review

• arxiv url: http://arxiv.org/abs/2005.02595v2
• Date: Thu, 15 Oct 2020 18:06:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 04:56:28.559728
• Title: Approaches and Applications of Early Classification of Time Series: A Review
• Title（参考訳）: 時系列の早期分類のアプローチと応用:レビュー
• Authors: Ashish Gupta, Hari Prabhat Gupta, Bhaskar Biswas, Tanima Dutta
• Abstract要約: 早期分類法の主要な課題は、ある所望の精度でできるだけ早く不完全な時系列を分類することである。 近年、時系列の早期分類のためのいくつかのアプローチが目撃されている。 これらのソリューションは、ヒトの行動認識、遺伝子発現に基づく健康診断、産業モニタリングなど、幅広い応用において合理的な性能を示してきた。
• 参考スコア（独自算出の注目度）: 18.436864563769237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early classification of time series has been extensively studied for minimizing class prediction delay in time-sensitive applications such as healthcare and finance. A primary task of an early classification approach is to classify an incomplete time series as soon as possible with some desired level of accuracy. Recent years have witnessed several approaches for early classification of time series. As most of the approaches have solved the early classification problem with different aspects, it becomes very important to make a thorough review of the existing solutions to know the current status of the area. These solutions have demonstrated reasonable performance in a wide range of applications including human activity recognition, gene expression based health diagnostic, industrial monitoring, and so on. In this paper, we present a systematic review of current literature on early classification approaches for both univariate and multivariate time series. We divide various existing approaches into four exclusive categories based on their proposed solution strategies. The four categories include prefix based, shapelet based, model based, and miscellaneous approaches. The authors also discuss the applications of early classification in many areas including industrial monitoring, intelligent transportation, and medical. Finally, we provide a quick summary of the current literature with future research directions.
• Abstract（参考訳）: 時系列の初期の分類は、医療や金融などの時間に敏感なアプリケーションにおけるクラス予測遅延を最小化するために広く研究されてきた。 初期の分類アプローチの第一の課題は、所望の精度でできるだけ早く不完全な時系列を分類することである。 近年、時系列の早期分類のためのいくつかのアプローチが見られた。 多くのアプローチが早期分類問題を異なる側面で解決しているため、既存のソリューションを徹底的にレビューし、その領域の現状を知ることが非常に重要である。 これらのソリューションは、ヒトの活動認識、遺伝子発現に基づく健康診断、産業モニタリングなど、幅広い応用において合理的な性能を示している。 本稿では,一変量時系列と多変量時系列の両方の早期分類手法に関する文献を体系的にレビューする。 提案手法に基づき,既存のアプローチを4つの排他的カテゴリに分割する。 4つのカテゴリにはプレフィックスベース、シェープレットベース、モデルベース、雑多なアプローチが含まれる。 筆者らは,産業モニタリング,インテリジェントトランスポーテーション,医療など,多くの分野における早期分類の適用についても論じた。 最後に,現在の文献をざっと要約し,今後の研究の方向性について述べる。

関連論文リスト

• Early Classification of Time Series: Taxonomy and Benchmark [0.5399800035598185]
  この文書は原則に基づく分類から始まり、非常に広範な実験の結果を報告する。 評価を整理するための次元を定義し、非常に広範な実験の結果を報告する。
  論文  参考訳（メタデータ） (2024-06-26T13:21:00Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• A Systematic Review of Generalization Research in Medical Image Classification [36.29204574056283]
  本稿では,Deep Learning(DL)に基づく分類モデルのための既存の領域一般化手法について検討する。 それは彼らが解決しようとしているシフトタイプに基づいた分類法を提案する。 本研究の結果から,両タイプの学習手法が出現していることが示唆された。
  論文  参考訳（メタデータ） (2024-03-18T18:35:32Z)
• Class-incremental Learning for Time Series: Benchmark and Evaluation [24.39008346076859]
  本稿では,時系列クラスインクリメンタルラーニング(TSCIL)問題の概要を述べる。 標準化された設定に基づいて,新しいアルゴリズムの迅速な開発を支援する統一的な実験フレームワークを開発する。 このフレームワークを用いて、標準およびプライバシに敏感なシナリオにおいて、様々な汎用および時系列固有のCIL手法を包括的に評価する。
  論文  参考訳（メタデータ） (2024-02-19T10:43:13Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Fast Hierarchical Learning for Few-Shot Object Detection [57.024072600597464]
  転送学習アプローチは、最近、数ショット検出タスクで有望な結果を得た。 これらのアプローチは、ベース検出器の微調整による破滅的な忘れ込みの問題に悩まされる。 この作業における上記の問題に対処する。
  論文  参考訳（メタデータ） (2022-10-10T20:31:19Z)
• A Multi-label Time Series Classification Approach for Non-intrusive Water End-Use Monitoring [3.6427459699873004]
  本稿では,時系列分類を集約時系列分類と呼ぶ特定の種類の時系列分類に着目する。 本稿では,集約された情報のみに基づいて予測を行う手法を提案する。 ケーススタディでは,非侵襲的な水モニタリングを行う際の家庭用水エンドユース・ディスサグリゲーションの課題に対して,本手法を適用した。
  論文  参考訳（メタデータ） (2022-09-30T20:54:49Z)
• Learning Discriminative Representation via Metric Learning for Imbalanced Medical Image Classification [52.94051907952536]
  本稿では,特徴抽出器がより識別的な特徴表現を抽出するのを助けるために,2段階フレームワークの第1段階にメトリック学習を組み込むことを提案する。 主に3つの医用画像データセットを用いて実験したところ、提案手法は既存の1段階と2段階のアプローチより一貫して優れていた。
  論文  参考訳（メタデータ） (2022-07-14T14:57:01Z)
• Time Series Analysis via Network Science: Concepts and Algorithms [62.997667081978825]
  本稿では,時系列をネットワークに変換する既存のマッピング手法について概観する。 我々は、主要な概念的アプローチを説明し、権威的な参照を提供し、統一された表記法と言語におけるそれらの利点と限界について洞察を与える。 ごく最近の研究だが、この研究領域には大きな可能性を秘めており、今後の研究の道を開くことを目的としている。
  論文  参考訳（メタデータ） (2021-10-11T13:33:18Z)
• Early Classification of Time Series is Meaningful [0.028675177318965035]
  我々は、プレプリントの著者によって提起された主な問題と誤解に詳細に答えます。 時系列の早期分類の応用分野をさらに広げる方向性を提案します。
  論文  参考訳（メタデータ） (2021-04-27T15:16:21Z)
• Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
  線形多クラス分類の最初の現代的精度解析を行う。 分析の結果,分類精度は分布に依存していることがわかった。 得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
  論文  参考訳（メタデータ） (2020-11-16T05:17:29Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。