Fugu-MT 論文翻訳(概要): Early Classification of Time Series is Meaningful

論文の概要: Early Classification of Time Series is Meaningful

arxiv url: http://arxiv.org/abs/2104.13257v1
Date: Tue, 27 Apr 2021 15:16:21 GMT
ステータス: 処理完了
システム内更新日: 2021-04-28 16:18:57.603243
Title: Early Classification of Time Series is Meaningful
Title（参考訳）: 時系列の早期分類は意味深い
Authors: Youssef Achenchabe, Alexis Bondu, Antoine Cornu\'ejols, Vincent Lemaire
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.028675177318965035
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Many approaches have been proposed for early classification of time series in light of its significance in a wide range of applications including healthcare, transportation and finance. However, recently a preprint saved on Arxiv claim that all research done for almost 20 years now on the Early Classification of Time Series is useless, or, at the very least, ill-oriented because severely lacking a strong ground. In this paper, we answer in detail the main issues and misunderstandings raised by the authors of the preprint, and propose directions to further expand the fields of application of early classification of time series.
Abstract（参考訳）: 医療、交通、金融など幅広い分野の応用において、時系列の早期分類が重要であることから、多くのアプローチが提案されている。しかし、最近arxivで保存されたプレプリントでは、時系列の初期の分類で20年近く行われたすべての研究は役に立たない、あるいは少なくとも強大な基盤を欠いたために不向きであると主張している。本稿では,プレプリントの著者が提起した主な問題と誤解を詳細に解き,時系列の早期分類の適用分野をさらに拡大する方向を提案する。

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)
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)
Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-13T16:04:06Z)
Early Classifying Multimodal Sequences [86.80932013694684]
決定の確実性を待ったままの取引は、初期の分類問題につながる。提案手法は,実験的なAUCの利点を最大8.7%向上させることを示した。
論文参考訳（メタデータ） (2023-05-02T01:57:34Z)
A Policy for Early Sequence Classification [86.80932013694684]
最後の要素を待たずにできるだけ早くシーケンスを分類する新しい方法を提案する。複数の実験に対して平均AUCは11.8%増加した。
論文参考訳（メタデータ） (2023-04-07T03:38:54Z)
Large-scale Pre-trained Models are Surprisingly Strong in Incremental Novel Class Discovery [76.63807209414789]
我々は,クラスiNCDにおける現状問題に挑戦し,クラス発見を継続的に,真に教師なしで行う学習パラダイムを提案する。凍結したPTMバックボーンと学習可能な線形分類器から構成される単純なベースラインを提案する。
論文参考訳（メタデータ） (2023-03-28T13:47:16Z)
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)
Granger Causality: A Review and Recent Advances [10.66048003460524]
Granger causalityは、多くのアプリケーションドメインで時系列データを解析するための一般的なツールとなっている。本稿では,初期のアプローチの様々な欠点に対処するための最近の進歩について述べる。
論文参考訳（メタデータ） (2021-05-05T17:37:18Z)
When is Early Classification of Time Series Meaningful? [11.234740889286215]
ターゲットパターンのプレフィックスのみを見て、十分な精度と信頼性で時系列サブシーケンスを分類できるかどうかを尋ねます。より初期の分類は、いくつかの実践的な介入が可能なドメインにおいて、直ちに行動を起こすことができる、という考え方です。時系列の初期の分類に関する数十の論文があるという事実にもかかわらず、それらのいずれかが現実世界の環境で機能することは明らかではありません。
論文参考訳（メタデータ） (2021-02-23T04:42:05Z)
Early Anomaly Detection in Time Series: A Hierarchical Approach for Predicting Critical Health Episodes [1.0742675209112622]
病院の集中治療室で重篤な死亡の重大な原因となる重要な健康イベントに対処する。早期異常検出問題に対処する最も一般的なアプローチの1つは、標準分類法である。本稿では,これらの課題に対処するための階層型学習アーキテクチャを用いた新しい手法を提案する。
論文参考訳（メタデータ） (2020-10-22T10:56:47Z)
Approaches and Applications of Early Classification of Time Series: A Review [18.436864563769237]
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。
論文参考訳（メタデータ） (2020-05-06T05:12:22Z)

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。