Fugu-MT 論文翻訳(概要): MultiRocket: Effective summary statistics for convolutional outputs in time series classification

論文の概要: MultiRocket: Effective summary statistics for convolutional outputs in time series classification

arxiv url: http://arxiv.org/abs/2102.00457v1
Date: Sun, 31 Jan 2021 14:04:10 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 22:56:19.814246
Title: MultiRocket: Effective summary statistics for convolutional outputs in time series classification
Title（参考訳）: MultiRocket: 時系列分類における畳み込み出力の効率的な要約統計
Authors: Chang Wei Tan and Angus Dempster and Christoph Bergmeir and Geoffrey I. Webb
Abstract要約: 我々は,MiniRocket(およびRocket)の精度を大幅に向上させることが可能であることを示す。変換によって生成された機能のセットを拡張することで、UCRアーカイブ内のデータセット上で、MultiRocket(MultiRocket with Multiple Features)を最も正確な方法にしました。
参考スコア（独自算出の注目度）: 5.857382887020592
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Rocket and MiniRocket, while two of the fastest methods for time series classification, are both somewhat less accurate than the current most accurate methods (namely, HIVE-COTE and its variants). We show that it is possible to significantly improve the accuracy of MiniRocket (and Rocket), with some additional computational expense, by expanding the set of features produced by the transform, making MultiRocket (for MiniRocket with Multiple Features) overall the single most accurate method on the datasets in the UCR archive, while still being orders of magnitude faster than any algorithm of comparable accuracy other than its precursors
Abstract（参考訳）: RocketとMiniRocketは、時系列分類において最速の2つの手法であるが、どちらも現在の最も正確な方法(HIVE-COTEとその変種)よりも若干精度が低い。本研究では,MiniRocket(およびRocket)の精度を大幅に向上させ,さらに計算コストを掛けて,変換によって生成された機能のセットを拡大することで,マルチロケット(MiniRocket with Multiple Features)をUCRアーカイブのデータセット上で最も正確なメソッドとして,全体として実現することが可能であることを示した。

関連論文リスト

Classification of Raw MEG/EEG Data with Detach-Rocket Ensemble: An Improved ROCKET Algorithm for Multivariate Time Series Analysis [0.0]
本稿では,脳波やMEGなどの高次元データを扱うための新しいROCKETアルゴリズムであるDetach-Rocket Ensembleを提案する。我々のアルゴリズムはプルーニングを利用してチャネルの重要度を総合的に推定し、より正確な精度とラベルの確率を与える。 Detach-Rocket Ensembleは、生の脳データに直接適用しても、解釈可能なチャネル関連性と競合する分類精度の両方を提供できることを示す。
論文参考訳（メタデータ） (2024-08-05T18:24:09Z)
RTMO: Towards High-Performance One-Stage Real-Time Multi-Person Pose Estimation [46.659592045271125]
RTMOは座標分類をシームレスに統合する一段階のポーズ推定フレームワークである。高速を維持しながらトップダウン手法に匹敵する精度を達成する。私たちの最大のモデルであるRTMO-lは、COCO val 2017で74.8%AP、1つのV100 GPUで141FPSを実現しています。
論文参考訳（メタデータ） (2023-12-12T18:55:29Z)
Detach-ROCKET: Sequential feature selection for time series classification with random convolutional kernels [0.7499722271664144]
ROCKETに基づくモデルにおいて, 逐次的特徴分離(Sequential Feature Detachment, SFD)を導入する。 SFDは、オリジナルの機能の10%しか使用せずに、より良いテスト精度でモデルを作成することができる。また,特徴量とモデル精度の最適バランスを決定するためのエンドツーエンドの手法を提案する。
論文参考訳（メタデータ） (2023-09-25T20:24:36Z)
Back to Basics: A Sanity Check on Modern Time Series Classification Algorithms [5.225544155289783]
新たな分類器の急激な開発では、ステップバックして単純なベースラインチェックを実行することが不可欠である。これらのチェックは、しばしば見過ごされる。研究者たちは、新しい最先端の結果を確立し、スケーラブルなアルゴリズムを開発し、モデルを説明可能にすることに注力している。
論文参考訳（メタデータ） (2023-08-15T17:23:18Z)
Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-07-13T02:44:05Z)
Few-Shot Non-Parametric Learning with Deep Latent Variable Model [50.746273235463754]
遅延変数を用いた圧縮による非パラメトリック学習(NPC-LV)を提案する。 NPC-LVは、ラベルなしデータが多いがラベル付きデータはほとんどないデータセットの学習フレームワークである。我々は,NPC-LVが低データ構造における画像分類における3つのデータセットの教師あり手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-23T09:35:03Z)
Stress-Testing LiDAR Registration [52.24383388306149]
本稿では,LiDARデータセットからフレームペアの挑戦的集合である平衡登録集合を選択する手法を提案する。おそらく予想外のことに、最も高速かつ同時に正確なアプローチは、先進RANSACのバージョンであることがわかった。
論文参考訳（メタデータ） (2022-04-16T05:10:55Z)
Taking ROCKET on an Efficiency Mission: Multivariate Time Series Classification with LightWaveS [3.5786621294068373]
正確な多変量時系列分類のためのフレームワークLightWaveSを提案する。 ROCKETの機能はわずか2.5%しか採用していないが、最近のディープラーニングモデルに匹敵する精度を実現している。エッジデバイス上での推論において, ROCKETと比較して9倍から65倍のスピードアップを実現していることを示す。
論文参考訳（メタデータ） (2022-04-04T10:52:20Z)
VSAC: Efficient and Accurate Estimator for H and F [68.65610177368617]
VSACはRANSAC型頑健な推定器であり、多くの新奇性がある。従来のすべてのプロセッサよりも大幅に高速で、CPU上では平均1-2msで動作する。現在最も正確な2次元幾何学推定器である MAGSAC++ と同等の精度で2桁高速である。
論文参考訳（メタデータ） (2021-06-18T17:04:57Z)
MINIROCKET: A Very Fast (Almost) Deterministic Transform for Time Series Classification [5.519586522442065]
ROCKETは、既存の手法の計算コストのごく一部で最先端の精度を達成する。 ROCKETを新しい方法であるMINIROCKETに改質し、より大きなデータセットで最大75倍高速にします。 UCRアーカイブから最先端の精度まで、すべての109データセットの分類器を10分以内でトレーニングし、テストすることができる。
論文参考訳（メタデータ） (2020-12-16T08:24:09Z)
Faster Person Re-Identification [68.22203008760269]
本稿では,新しいハッシュコード検索戦略を定式化することによって,高速ReIDのための新しいソリューションを提案する。より短いコードを使用して、より正確なReIDのいくつかのトップ候補を洗練するために、より広い一致の類似性を粗くランク付けし、より長いコードを使用する。 2つのデータセットに対する実験結果から,提案手法(CtF)は現在のハッシュReID法よりも8%精度が高いだけでなく,5倍高速であることがわかった。
論文参考訳（メタデータ） (2020-08-16T03:02:49Z)

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。