論文の概要: HIVE-COTE 2.0: a new meta ensemble for time series classification
- arxiv url: http://arxiv.org/abs/2104.07551v1
- Date: Thu, 15 Apr 2021 16:06:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-16 19:43:03.951066
- Title: HIVE-COTE 2.0: a new meta ensemble for time series classification
- Title（参考訳）: HIVE-COTE 2.0: 時系列分類のための新しいメタアンサンブル
- Authors: Matthew Middlehurst, James Large, Michael Flynn, Jason Lines, Aaron
Bostrom and Anthony Bagnall
- 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。
- 参考スコア（独自算出の注目度）: 0.5708902722746041
- 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.
HIVE-COTE forms its ensemble from classifiers of multiple domains, including
phase-independent shapelets, bag-of-words based dictionaries and
phase-dependent intervals. Since it was first proposed in 2016, the algorithm
has remained state of the art for accuracy on the UCR time series
classification archive. Over time it has been incrementally updated,
culminating in its current state, HIVE-COTE 1.0. During this time a number of
algorithms have been proposed which match the accuracy of HIVE-COTE. We propose
comprehensive changes to the HIVE-COTE algorithm which significantly improve
its accuracy and usability, presenting this upgrade as HIVE-COTE 2.0. We
introduce two novel classifiers, the Temporal Dictionary Ensemble (TDE) and
Diverse Representation Canonical Interval Forest (DrCIF), which replace
existing ensemble members. Additionally, we introduce the Arsenal, an ensemble
of ROCKET classifiers as a new HIVE-COTE 2.0 constituent. We demonstrate that
HIVE-COTE 2.0 is significantly more accurate than the current state of the art
on 112 univariate UCR archive datasets and 26 multivariate UEA archive
datasets.
- 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。
HIVE-COTEは、相非依存のシェープレット、back-of-wordsベースの辞書、相依存間隔を含む複数のドメインの分類器からアンサンブルを形成する。
2016年に初めて提案されて以来、このアルゴリズムはUCR時系列分類アーカイブの正確性のために最先端のままである。
徐々に更新され、現在の状態であるhive-cote 1.0になった。
この間、HIVE-COTEの精度と一致するアルゴリズムが提案されている。
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する包括的変更を提案する。
本稿では,既存のアンサンブルに取って代わる2つの新しい分類器である時間辞書アンサンブル (tde) と多種多様な表現標準間隔フォレスト (drcif) を紹介する。
さらに,新しいHIVE-COTE 2.0成分としてROCKET分類器のアンサンブルであるArsenalを導入する。
HIVE-COTE 2.0は、112のユニバリアイトUCRアーカイブデータセットと26のマルチバリアントUEAアーカイブデータセット上での最先端技術よりもはるかに正確であることを示す。
関連論文リスト
- UniTTA: Unified Benchmark and Versatile Framework Towards Realistic Test-Time Adaptation [66.05528698010697]
Test-Time Adaptationは、テスト中にトレーニング済みのモデルを対象のドメインに適応させることを目的としている。
研究者は様々な挑戦シナリオを特定し、これらの課題に対処するための様々な方法を開発した。
本稿では,包括的かつ広く適用可能な統一テスト時間適応ベンチマークを提案する。
論文 参考訳（メタデータ） (2024-07-29T15:04:53Z) - 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) - Bake off redux: a review and experimental evaluation of recent time series classification algorithms [1.0992151305603266]
2017年、カリフォルニア大学リバーサイド校(UCR)のアーカイブから得られた85のデータセットに対して、18の時系列分類(TSC)アルゴリズムを比較した。
この研究は一般に「ベイクオフ」と呼ばれ、9つのアルゴリズムのみがダイナミック・タイム・ウォーピング(DTW)やローテーション・フォレスト(Rotation Forest)のベンチマークよりもはるかに優れた性能を示した。
提案したカテゴリが、当初からどのように進歩してきたかを確認し、以前のベスト・オブ・カテゴリに対して、新しいアルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2023-04-25T17:59:28Z) - ASTRIDE: Adaptive Symbolization for Time Series Databases [6.8820425565516095]
時系列の新たなシンボル表現である ASTRIDE と FASTRIDE (Fast ASTRIDE) について紹介する。
多くのシンボル化手順とは異なり、ASTRIDEは、変化点検出と量子化ステップを量子化を用いて行うことにより、セグメンテーションステップの両方に適応する。
本稿では,SAX,1d-SAX,SFA,ABBAと比較して,ASTRIDEおよびFASTRIDE表現の再現性および適用性について述べる。
論文 参考訳（メタデータ） (2023-02-08T14:46:24Z) - The Temporal Dictionary Ensemble (TDE) Classifier for Time Series
Classification [0.0]
時間辞書アンサンブル(TDE)は他の辞書ベースアプローチよりも正確である。
HIVE-COTEは、現在の最高のディープラーニングアプローチよりもはるかに正確です。
この進歩は時系列の分類のための芸術の新しい状態を表します。
論文 参考訳（メタデータ） (2021-05-09T05:27:42Z) - BiCnet-TKS: Learning Efficient Spatial-Temporal Representation for Video
Person Re-Identification [86.73532136686438]
映像人物再識別(reID)のための効率的な時空間表現法を提案する。
空間相補性モデリングのための双方向相補性ネットワーク(BiCnet)を提案する。
BiCnet-TKSは、約50%の計算量で最先端の性能を発揮する。
論文 参考訳（メタデータ） (2021-04-30T06:44:34Z) - A Two-Stage Approach to Device-Robust Acoustic Scene Classification [63.98724740606457]
デバイスロバスト性を改善するために,完全畳み込みニューラルネットワーク(CNN)に基づく2段階システムを提案する。
以上の結果から,提案したASCシステムにより,開発環境における最先端の精度が得られた。
クラスアクティベーションマッピングを用いたニューラルサリエンシ解析により、モデルによって学習されたパターンに関する新たな洞察が得られる。
論文 参考訳（メタデータ） (2020-11-03T03:27:18Z) - The Canonical Interval Forest (CIF) Classifier for Time Series
Classification [0.0]
時系列フォレスト(TSF)は最もよく知られたインターバル法の一つである。
我々は、TSFとCatch22を組み合わせた新しい分類器、Canonical Interval Forest (CIF)を提案する。
我々は,TSFとCatch22の精度を大幅に向上させ,他のアルゴリズムクラスのトップパフォーマーと同等であることを示す。
論文 参考訳（メタデータ） (2020-08-20T19:26:24Z) - Benchmarking Multivariate Time Series Classification Algorithms [69.12151492736524]
時系列分類(TSC)は、順序付き、実値付き、属性から離散的なターゲット変数の予測モデルを構築することを含む。
近年,従来の技術よりも大幅に改良された新しいTSCアルゴリズムが開発されている。
本稿では, 深層学習, シェープレット, 単語の袋を用いた MTSC アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-26T15:56:40Z) - Device-Robust Acoustic Scene Classification Based on Two-Stage
Categorization and Data Augmentation [63.98724740606457]
我々は,GT,USTC,Tencent,UKEの4つのグループからなる共同で,DCASE 2020 Challengeの第1タスク - 音響シーン分類(ASC)に取り組む。
タスク1aは、複数の(実とシミュレートされた)デバイスで記録されたオーディオ信号のASCを10種類の微細なクラスにフォーカスする。
Task 1bは、低複雑さのソリューションを使用して、データを3つの上位クラスに分類することに関心がある。
論文 参考訳（メタデータ） (2020-07-16T15:07:14Z) - A tale of two toolkits, report the third: on the usage and performance
of HIVE-COTE v1.0 [0.27561479348365736]
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。
論文 参考訳（メタデータ） (2020-04-13T17:09:48Z)
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。