論文の概要: Matrix Profile XXII: Exact Discovery of Time Series Motifs under DTW
- arxiv url: http://arxiv.org/abs/2009.07907v1
- Date: Wed, 16 Sep 2020 19:35:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 23:19:03.301949
- Title: Matrix Profile XXII: Exact Discovery of Time Series Motifs under DTW
- Title（参考訳）: matrix profile xxii: dtw下での時系列モチーフの正確な発見
- Authors: Sara Alaee, Kaveh Kamgar, Eamonn Keogh
- Abstract要約: 動的時間ワープの下で時系列のモチーフを発見するための,最初のスケーラブルな正確な方法を提案する。
我々のアルゴリズムは、DTW計算の99.99%を許容できる。
- 参考スコア（独自算出の注目度）: 1.282368486390644
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the last decade, time series motif discovery has emerged as a useful
primitive for many downstream analytical tasks, including clustering,
classification, rule discovery, segmentation, and summarization. In parallel,
there has been an increased understanding that Dynamic Time Warping (DTW) is
the best time series similarity measure in a host of settings. Surprisingly
however, there has been virtually no work on using DTW to discover motifs. The
most obvious explanation of this is the fact that both motif discovery and the
use of DTW can be computationally challenging, and the current best mechanisms
to address their lethargy are mutually incompatible. In this work, we present
the first scalable exact method to discover time series motifs under DTW. Our
method automatically performs the best trade-off between time-to-compute and
tightness-of-lower-bounds for a novel hierarchy of lower bounds representation
we introduce. We show that under realistic settings, our algorithm can
admissibly prune up to 99.99% of the DTW computations.
- Abstract（参考訳）: 過去10年間で、時系列モチーフ発見は、クラスタリング、分類、ルール発見、セグメンテーション、要約を含む多くの下流分析タスクに有用なプリミティブとして登場した。
並行して、Dynamic Time Warping(DTW)が一連の設定において最高の時系列類似度尺度であるという理解が高まっている。
しかし、驚くべきことに、DTWを使ってモチーフを発見する作業はほとんど行われていない。
このことの最も明白な説明は、モチーフ発見とDTWの使用の両方が計算的に困難であり、それらのレジャーギーに対処するための現在の最良のメカニズムは互いに相容れないことである。
本稿では,DTWの下で時系列モチーフを発見するための,最初のスケーラブルな正確な手法を提案する。
提案手法は,我々が導入する下限表現の新たな階層に対して,計算時間と下限の厳密性との間の最善のトレードオフを自動実行する。
現実的な設定では、我々のアルゴリズムはDTW計算の99.99%を許容できる。
関連論文リスト
- A Dense Reward View on Aligning Text-to-Image Diffusion with Preference [54.43177605637759]
本稿では,T2I逆鎖の初期ステップを強調する,トラクタブルアライメントの目的を提案する。
単一および複数プロンプト生成の実験では,本手法は強い関連するベースラインと競合する。
論文 参考訳（メタデータ） (2024-02-13T07:37:24Z) - OTW: Optimal Transport Warping for Time Series [75.69837166816501]
動的時間温暖化(DTW)は時系列間の距離を測定するための実用的な選択肢となっている。
最適アライメント行列を正確に計算する必要がある場合、それは避けられない二次時間複雑性に悩まされる。
我々は、OTW(Optimal Transport Warping)と呼ばれる、最適輸送フレームワークに基づく時系列データのための新しいメトリクスを導入する。
論文 参考訳（メタデータ） (2023-06-01T12:45:00Z) - Deep Declarative Dynamic Time Warping for End-to-End Learning of
Alignment Paths [54.53208538517505]
本稿では、動的時間ワープ(DTW)による時間的アライメントステップを含む時系列データのエンドツーエンド学習モデルについて述べる。
そこで我々は,2レベル最適化とDecDTWと呼ばれる深層宣言ネットワークに基づくDTW層を提案する。
この特性は、下流損失関数が最適アライメントパス自身で定義されるアプリケーションに特に有用であることを示す。
論文 参考訳（メタデータ） (2023-03-19T21:58:37Z) - Approximating DTW with a convolutional neural network on EEG data [9.409281517596396]
動的時間ラッピング(DTW)の高速かつ微分可能な近似法を提案する。
提案手法は,計算効率が向上した他のDTW主近似と同等以上の精度が得られることを示す。
論文 参考訳（メタデータ） (2023-01-30T13:27:47Z) - HyRSM++: Hybrid Relation Guided Temporal Set Matching for Few-shot
Action Recognition [51.2715005161475]
そこで本研究では,数発のアクション認識のための時間的マッチング手法として,ハイブリッドリレーションド・テンポラル・セット・マッチングを提案する。
HyRSM++の中核となる考え方は、すべてのビデオをタスクに統合して差別的な表現を学ぶことである。
提案手法は,様々な撮影条件下での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-01-09T13:32:50Z) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳（メタデータ） (2022-09-01T10:46:09Z) - Dynamic Time Warping based Adversarial Framework for Time-Series Domain [32.45387153404849]
適応ロバストネスのための動的時間ウォーピング(DTW-AR)と呼ばれる時系列領域のための新しいフレームワークを提案する。
理論解析によって正当化された原理的アルゴリズムを開発し、ランダムなアライメントパスを用いて、多様な逆例を効率的に生成する。
多様な実世界のベンチマーク実験では、DTW-ARが時系列データに対してDNNを騙し、敵の訓練によってその堅牢性を向上させることが示されている。
論文 参考訳（メタデータ） (2022-07-09T17:23:00Z) - Aligning Time Series on Incomparable Spaces [83.8261699057419]
本稿では,Gromov dynamic time warping (GDTW)を提案する。
比較不可能な空間に居住する時系列の調整,合成,比較を行う上での有効性を実証する。
論文 参考訳（メタデータ） (2020-06-22T22:19:28Z) - Exploring time-series motifs through DTW-SOM [3.42658286826597]
我々は、モチーフ探索アルゴリズムによって計算された時系列モチーフを視覚的に探索することは、結果の理解とデバッグに有用であると主張している。
モチーフ探索アルゴリズムの出力を探索するために,適応型自己組織化マップDTW-SOMを提案する。
UCR時系列分類アーカイブから合成モチーフデータセットと2つの実時間時系列データセットを用いてDTW-SOMをテストする。
論文 参考訳（メタデータ） (2020-04-17T11:21:16Z) - FastDTW is approximate and Generally Slower than the Algorithm it
Approximates [11.689905300531917]
動的時間ワープ(DTW)距離測定は、ほとんどのドメインにおいて、ほとんどのタスクに最適な尺度である。
最も引用されているアプローチの1つはFastDTWである。
任意の現実的なデータマイニングアプリケーションでは、近似的なFastDTWは正確なDTWよりもはるかに遅い。
論文 参考訳（メタデータ） (2020-03-25T07:26:02Z)
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。