論文の概要: Amercing: An Intuitive, Elegant and Effective Constraint for Dynamic Time Warping

• arxiv url: http://arxiv.org/abs/2111.13314v1
• Date: Fri, 26 Nov 2021 05:11:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-30 00:32:24.949642
• Title: Amercing: An Intuitive, Elegant and Effective Constraint for Dynamic Time Warping
• Title（参考訳）: Amercing: 動的タイムワープのための直感的でエレガントで効果的な制約
• Authors: Matthieu Herrmann, Geoffrey I. Webb
• Abstract要約: Amerced Dynamic Time Warping (ADTW) は、直感的で直感的な新しいDTW変種で、固定的な加算コストでワープの行為を罰する。 直感的な結果を得るためにパラメータ化を行う方法を示し、標準時系列分類ベンチマークでその有用性を示す。
• 参考スコア（独自算出の注目度）: 6.063782572064742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dynamic Time Warping (DTW), and its constrained (CDTW) and weighted (WDTW) variants, are time series distances with a wide range of applications. They minimize the cost of non-linear alignments between series. CDTW and WDTW have been introduced because DTW is too permissive in its alignments. However, CDTW uses a crude step function, allowing unconstrained flexibility within the window, and none beyond it. WDTW's multiplicative weight is relative to the distances between aligned points along a warped path, rather than being a direct function of the amount of warping that is introduced. In this paper, we introduce Amerced Dynamic Time Warping (ADTW), a new, intuitive, DTW variant that penalizes the act of warping by a fixed additive cost. Like CDTW and WDTW, ADTW constrains the amount of warping. However, it avoids both abrupt discontinuities in the amount of warping allowed and the limitations of a multiplicative penalty. We formally introduce ADTW, prove some of its properties, and discuss its parameterization. We show on a simple example how it can be parameterized to achieve an intuitive outcome, and demonstrate its usefulness on a standard time series classification benchmark. We provide a demonstration application in C++.
• Abstract（参考訳）: Dynamic Time Warping (DTW) およびその制約付き (CDTW) および重み付き (WDTW) 変種 (WDTW) は、幅広い用途の時系列距離である。 級数間の非線形アライメントのコストを最小化する。 CDTWとWDTWは、DTWがアライメントを許容しすぎるため導入された。 しかし、CDTWは粗いステップ関数を使用し、ウィンドウ内で制約のない柔軟性を実現する。 wdtwの乗法重みは、導入される摂動量の直接関数ではなく、整列された経路に沿った点間の距離に相対する。 本稿では, 直感的かつ直感的なDTW変種であるAmerced Dynamic Time Warping (ADTW) について述べる。 CDTWやWDTWと同様に、ADTWはワープの量を制限する。 しかし、反りの量に対する突然の不連続と乗法的なペナルティの限界の両方を避けることができる。 我々はADTWを正式に導入し、その特性の一部を証明し、パラメータ化について議論する。 単純な例として,直観的な結果を達成するためにパラメータ化する方法を示し,標準時系列分類ベンチマークでその有用性を示す。 C++でデモアプリケーションを提供します。

関連論文リスト

• FinePseudo: Improving Pseudo-Labelling through Temporal-Alignablity for Semi-Supervised Fine-Grained Action Recognition [57.17966905865054]
  実生活における行動認識の応用は、しばしば微妙な動きのきめ細かい理解を必要とする。 既存の半教師ありアクション認識は主に粗いアクション認識に焦点を当てている。 そこで我々は,微粒なアクションペアの識別を効果的に行うための,アライナビリティ検証に基づくメトリック学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T20:08:06Z)
• 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)
• Parameterizing the cost function of Dynamic Time Warping with application to time series classification [4.752559512511424]
  ガンマ値の高次値はより大きい対の差に重みを与える一方、低い値はより小さい対の差に重みを与えることを示す。 トレーニングガンマは、隣接するDTWと近接森林分類器の両方の精度を著しく向上することを示した。
  論文  参考訳（メタデータ） (2023-01-24T23:34:13Z)
• End-to-end Temporal Action Detection with Transformer [86.80289146697788]
  時間的アクション検出(TAD)は、トリミングされていないビデオにおいて、すべてのアクションインスタンスのセマンティックラベルとバウンダリを決定することを目的としている。 そこで我々は,textitTadTR と呼ばれる Transformer によるTAD のエンドツーエンドフレームワークを構築した。 本手法は,HACSセグメンツとTHUMOS14の最先端性能とActivityNet-1.3の競合性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T17:58:34Z)
• Differentiable Divergences Between Time Series [34.60983018798683]
  可変サイズの時系列間の相違を解消するために,ソフトDTW発散と呼ばれる新しい発散法を提案する。 2つの時系列が等しい場合に限って、非負で最小化されることが示される。 また、エントロピーバイアスをさらに除去することで、新たな「シャープ」変種を提案する。
  論文  参考訳（メタデータ） (2020-10-16T12:45:13Z)
• Matrix Profile XXII: Exact Discovery of Time Series Motifs under DTW [1.282368486390644]
  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。
  論文  参考訳（メタデータ） (2020-09-16T19:35:43Z)
• Approximated Bilinear Modules for Temporal Modeling [116.6506871576514]
  CNNの2層は補助ブランチサンプリングを追加することで、時間的双線形モジュールに変換できる。 我々のモデルは、事前トレーニングなしで、Something v1とv2データセットの最先端メソッドよりも優れている。
  論文  参考訳（メタデータ） (2020-07-25T09:07:35Z)
• 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)

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。