論文の概要: Identifying Stochasticity in Time-Series with Autoencoder-Based Content-aware 2D Representation: Application to Black Hole Data

• arxiv url: http://arxiv.org/abs/2304.11560v1
• Date: Sun, 23 Apr 2023 07:17:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 17:42:52.483011
• Title: Identifying Stochasticity in Time-Series with Autoencoder-Based Content-aware 2D Representation: Application to Black Hole Data
• Title（参考訳）: オートエンコーダに基づくコンテンツ認識2次元表現による時系列の確率性同定:ブラックホールデータへの適用
• Authors: Chakka Sai Pradeep, Neelam Sinha
• Abstract要約: 本稿では,自動エンコーダに基づく2次元表現を用いて時系列を非確率的に分類する。 時間領域と周波数領域の特性を同時に利用する2次元表現への1次元時系列のコンテンツ対応変換を提案する。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, we report an autoencoder-based 2D representation to classify a time-series as stochastic or non-stochastic, to understand the underlying physical process. Content-aware conversion of 1D time-series to 2D representation, that simultaneously utilizes time- and frequency-domain characteristics, is proposed. An autoencoder is trained with a loss function to learn latent space (using both time- and frequency domains) representation, that is designed to be, time-invariant. Every element of the time-series is represented as a tuple with two components, one each, from latent space representation in time- and frequency-domains, forming a binary image. In this binary image, those tuples that represent the points in the time-series, together form the ``Latent Space Signature" (LSS) of the input time-series. The obtained binary LSS images are fed to a classification network. The EfficientNetv2-S classifier is trained using 421 synthetic time-series, with fair representation from both categories. The proposed methodology is evaluated on publicly available astronomical data which are 12 distinct temporal classes of time-series pertaining to the black hole GRS 1915 + 105, obtained from RXTE satellite. Results obtained using the proposed methodology are compared with existing techniques. Concurrence in labels obtained across the classes, illustrates the efficacy of the proposed 2D representation using the latent space co-ordinates. The proposed methodology also outputs the confidence in the classification label.
• Abstract（参考訳）: 本研究では,自動エンコーダに基づく2次元表現を用いて,時系列を確率的あるいは非確率的に分類し,基礎となる物理過程を理解する。 時間領域と周波数領域の特性を同時に利用する1次元時系列から2次元表現へのコンテントアウェア変換を提案する。 オートエンコーダは、時間不変であるように設計された(時間領域と周波数領域の両方を使って)潜在空間の表現を学ぶために損失関数で訓練される。 時系列の各要素は、時間領域と周波数領域の潜在空間表現から2つの成分からなるタプルとして表現され、バイナリイメージを形成する。 このバイナリイメージでは、時系列のポイントを表すタプルが一緒に入力時系列の ` `Latent Space Signature" (LSS) を形成する。 得られたバイナリlss画像は分類ネットワークに供給される。 EfficientNetv2-S分類器は421の合成時系列を用いて訓練される。 提案手法は、RXTE衛星から得られた、ブラックホール GRS 1915 + 105 に関連する12の時間的クラスを持つ、公開可能な天文データに基づいて評価される。 提案手法を用いて得られた結果を既存の手法と比較する。 クラス全体で得られたラベルの一致は、潜在空間座標を用いた提案された2次元表現の有効性を示す。 提案手法は分類ラベルの信頼性も出力する。

関連論文リスト

• Leveraging 2D Information for Long-term Time Series Forecasting with Vanilla Transformers [55.475142494272724]
  時系列予測は、様々な領域における複雑な力学の理解と予測に不可欠である。 GridTSTは、革新的な多方向性の注意を用いた2つのアプローチの利点を組み合わせたモデルである。 このモデルは、さまざまな現実世界のデータセットに対して、常に最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-05-22T16:41:21Z)
• Identification of Stochasticity by Matrix-decomposition: Applied on Black Hole Data [1.2891210250935146]
  提案されたアルゴリズムは、12の時間クラスのブラックホール GRS 1915+105 に適用される。 その結果, GRS 1915+105 の12時間クラスのうち, SVD-label と PCA-label の一致率が 11 であることがわかった。
  論文  参考訳（メタデータ） (2023-07-15T04:31:28Z)
• TimeMAE: Self-Supervised Representations of Time Series with Decoupled Masked Autoencoders [55.00904795497786]
  トランスフォーマネットワークに基づく転送可能な時系列表現を学習するための,新しい自己教師型パラダイムであるTimeMAEを提案する。 TimeMAEは双方向符号化方式を用いて時系列の豊富な文脈表現を学習する。 新たに挿入されたマスク埋め込みによって生じる不一致を解消するため、分離されたオートエンコーダアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2023-03-01T08:33:16Z)
• HyperTime: Implicit Neural Representation for Time Series [131.57172578210256]
  暗黙の神経表現(INR)は、データの正確で解像度に依存しないエンコーディングを提供する強力なツールとして最近登場した。 本稿では、INRを用いて時系列の表現を分析し、再構成精度とトレーニング収束速度の点で異なるアクティベーション関数を比較した。 本稿では,INRを利用して時系列データセット全体の圧縮潜在表現を学習するハイパーネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-08-11T14:05:51Z)
• P-STMO: Pre-Trained Spatial Temporal Many-to-One Model for 3D Human Pose Estimation [78.83305967085413]
  本稿では,2次元から3次元のポーズ推定作業のためのP-STMOモデルを提案する。 提案手法は,パラメータが少なく,計算オーバーヘッドが少なく,最先端の手法より優れている。
  論文  参考訳（メタデータ） (2022-03-15T04:00:59Z)
• Towards Similarity-Aware Time-Series Classification [51.2400839966489]
  時系列データマイニングの基本課題である時系列分類(TSC)について検討する。 グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
  論文  参考訳（メタデータ） (2022-01-05T02:14:57Z)
• Attention Augmented Convolutional Transformer for Tabular Time-series [0.9137554315375922]
  時系列分類は、産業データ科学において最も頻繁に実行されるタスクの1つである。 時系列データから表現を学習するための新しいスケーラブルアーキテクチャを提案する。 提案するモデルはエンドツーエンドで,カテゴリ型と連続型の両方の値入力を処理できる。
  論文  参考訳（メタデータ） (2021-10-05T05:20:46Z)
• DTWSSE: Data Augmentation with a Siamese Encoder for Time Series [8.019203034348083]
  本稿では,DTWSSE という名前のサイムズエンコーダを用いた DTW に基づく合成マイノリティオーバーサンプリング手法を提案する。 時系列の距離を合理的に測定するために、有効な方法として検証されたDTWを距離計量として用いる。 エンコーダは、DTW隠れ空間からユークリッド深い特徴空間に時系列データをマッピングするニューラルネットワークであり、デコーダを使用して、深い特徴空間をDTW隠れ空間にマッピングする。
  論文  参考訳（メタデータ） (2021-08-23T01:46:24Z)
• 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)

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。