論文の概要: Monash University, UEA, UCR Time Series Extrinsic Regression Archive
- arxiv url: http://arxiv.org/abs/2006.10996v3
- Date: Tue, 20 Oct 2020 00:38:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 03:47:33.961144
- Title: Monash University, UEA, UCR Time Series Extrinsic Regression Archive
- Title（参考訳）: モナシュ大学, UEA, UCR Time Series Extrinsic Regression Archive
- Authors: Chang Wei Tan, Christoph Bergmeir, Francois Petitjean, Geoffrey I.
Webb
- Abstract要約: 我々は,最初のTSERベンチマークアーカイブを導入することで,TSER(Time Series Extrinsic Regression)の研究のモチベーションと支援を目指している。
このアーカイブには、異なるドメインから19のデータセットが含まれており、さまざまな次元、不等長次元、欠落値がある。
本稿では,このアーカイブにデータセットを導入し,既存のモデルに対する初期ベンチマークを行った。
- 参考スコア（独自算出の注目度）: 6.5513221781395465
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Time series research has gathered lots of interests in the last decade,
especially for Time Series Classification (TSC) and Time Series Forecasting
(TSF). Research in TSC has greatly benefited from the University of California
Riverside and University of East Anglia (UCR/UEA) Time Series Archives. On the
other hand, the advancement in Time Series Forecasting relies on time series
forecasting competitions such as the Makridakis competitions, NN3 and NN5
Neural Network competitions, and a few Kaggle competitions. Each year,
thousands of papers proposing new algorithms for TSC and TSF have utilized
these benchmarking archives. These algorithms are designed for these specific
problems, but may not be useful for tasks such as predicting the heart rate of
a person using photoplethysmogram (PPG) and accelerometer data. We refer to
this problem as Time Series Extrinsic Regression (TSER), where we are
interested in a more general methodology of predicting a single continuous
value, from univariate or multivariate time series. This prediction can be from
the same time series or not directly related to the predictor time series and
does not necessarily need to be a future value or depend heavily on recent
values. To the best of our knowledge, research into TSER has received much less
attention in the time series research community and there are no models
developed for general time series extrinsic regression problems. Most models
are developed for a specific problem. Therefore, we aim to motivate and support
the research into TSER by introducing the first TSER benchmarking archive. This
archive contains 19 datasets from different domains, with varying number of
dimensions, unequal length dimensions, and missing values. In this paper, we
introduce the datasets in this archive and did an initial benchmark on existing
models.
- Abstract（参考訳）: 時系列研究は、特に時系列分類(TSC)と時系列予測(TSF)において、過去10年間に多くの関心を集めてきた。
TSCの研究はカリフォルニア大学リバーサイド校とイースト・アングリア大学(UCR/UEA)の時系列アーカイブから大きな恩恵を受けている。
一方、時系列予測の進歩は、makridakis competitions、nn3、nn5ニューラルネットワークコンペティションなどの時系列予測コンペティションと、いくつかのkaggleコンペティションに依存している。
毎年、TSCとTSFの新しいアルゴリズムを提案する何千もの論文がこれらのベンチマークアーカイブを利用している。
これらのアルゴリズムは、これらの特定の問題のために設計されているが、photoplethysmogram(ppg)と加速度計データを使用して人の心拍数を予測するようなタスクには役に立たない。
この問題を時系列外回帰(tser:time series extrinsic regression)と呼び、単変量または多変量時系列から単一の連続値を予測するより一般的な方法に興味を持っている。
この予測は、同じ時系列からでも、予測器の時系列と直接関係なく、必ずしも将来の値である必要はなく、最近の値に大きく依存する必要はない。
我々の知る限り、TSERの研究は時系列研究コミュニティではあまり注目されておらず、一般時系列外部回帰問題のために開発されたモデルはない。
ほとんどのモデルは特定の問題のために開発されている。
そこで我々は,最初のTSERベンチマークアーカイブを導入することで,TSERの研究を動機づけ,支援することを目指している。
このアーカイブには、異なるドメインから19のデータセットが含まれており、さまざまな次元、不等長次元、欠落値がある。
本稿では,このアーカイブにデータセットを導入し,既存のモデルの初期ベンチマークを行った。
関連論文リスト
- Deep Time Series Models: A Comprehensive Survey and Benchmark [74.28364194333447]
時系列データは、現実世界のシナリオにおいて非常に重要である。
近年、時系列コミュニティで顕著なブレークスルーが見られた。
多様な分析タスクのためのディープ時系列モデルの公正なベンチマークとして、時系列ライブラリ(TSLib)をリリースします。
論文 参考訳（メタデータ） (2024-07-18T08:31:55Z) - Unified Training of Universal Time Series Forecasting Transformers [104.56318980466742]
マスク型ユニバーサル時系列予測変換器(モイライ)について述べる。
Moiraiは、新たに導入された大規模オープンタイムシリーズアーカイブ(LOTSA)で訓練されており、9つのドメインで27億以上の観測が行われた。
Moiraiは、フルショットモデルと比較してゼロショットの予測器として、競争力や優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-02-04T20:00:45Z) - TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。
本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
論文 参考訳（メタデータ） (2024-02-04T13:10:51Z) - Timer: Generative Pre-trained Transformers Are Large Time Series Models [83.03091523806668]
本稿では,大規模時系列モデル(LTSM)の早期開発を目的とした。
事前トレーニング中に、最大10億のタイムポイントを持つ大規模なデータセットをキュレートします。
多様なアプリケーションのニーズを満たすため,予測,計算,時系列の異常検出を統一的な生成タスクに変換する。
論文 参考訳（メタデータ） (2024-02-04T06:55:55Z) - A Bag of Receptive Fields for Time Series Extrinsic Predictions [8.172425535905038]
高次元時系列データは、そのダイナミックな性質、様々な長さ、欠落した値の存在のために課題を提起する。
本稿では,時系列畳み込みと1D-SAXの概念を取り入れたBag-Of-Receptive-FieldsモデルであるBORFを提案する。
BORF on Time Series Classification and Time Series Extrinsic Regression task using the full UEA and UCR repository。
論文 参考訳（メタデータ） (2023-11-29T19:13:10Z) - Temporal Treasure Hunt: Content-based Time Series Retrieval System for
Discovering Insights [34.1973242428317]
時系列データは、金融、医療、製造業など、さまざまな分野にまたがっている。
Content-based Time Series Retrieval(CTSR)を実行する能力は、未知の時系列例を特定する上で重要である。
我々は,様々な領域の時系列データを含むCTSRベンチマークデータセットを提案する。
論文 参考訳（メタデータ） (2023-11-05T04:12:13Z) - Learning Gaussian Mixture Representations for Tensor Time Series
Forecasting [8.31607451942671]
我々は、時間、位置、およびソース変数に暗示される各不均一成分を個別にモデル化する新しいTS予測フレームワークを開発する。
2つの実世界のTSデータセットによる実験結果は、最先端のベースラインと比較して、我々のアプローチの優位性を検証する。
論文 参考訳（メタデータ） (2023-06-01T06:50:47Z) - HyperTime: Implicit Neural Representation for Time Series [131.57172578210256]
暗黙の神経表現(INR)は、データの正確で解像度に依存しないエンコーディングを提供する強力なツールとして最近登場した。
本稿では、INRを用いて時系列の表現を分析し、再構成精度とトレーニング収束速度の点で異なるアクティベーション関数を比較した。
本稿では,INRを利用して時系列データセット全体の圧縮潜在表現を学習するハイパーネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:05:51Z) - VQ-AR: Vector Quantized Autoregressive Probabilistic Time Series
Forecasting [10.605719154114354]
時系列モデルは過去の予測を正確に予測することを目的としており、そこではビジネス上の意思決定のような重要な下流のタスクに予測が使用される。
本稿では,新しい自己回帰型アーキテクチャであるVQ-ARを提案する。
論文 参考訳（メタデータ） (2022-05-31T15:43:46Z) - 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) - Time Series Extrinsic Regression [6.5513221781395465]
Time Series Extrinsic Regression (TSER)は、時系列と連続スカラー変数の関係を学習することを目的とした回帰タスクである。
我々は、TSERデータセット19の新たなアーカイブ上で、既存の解とTSCアルゴリズムの適応をベンチマークする。
以上の結果から,現在最先端のTSCアルゴリズムであるRocketが回帰に適応すると,全体的な精度が最も高いことがわかった。
論文 参考訳（メタデータ） (2020-06-23T00:15:10Z)
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。