論文の概要: A Dictionary-based approach to Time Series Ordinal Classification

• arxiv url: http://arxiv.org/abs/2305.09288v1
• Date: Tue, 16 May 2023 08:48:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-17 15:35:44.206318
• Title: A Dictionary-based approach to Time Series Ordinal Classification
• Title（参考訳）: 辞書に基づく時系列規則分類へのアプローチ
• Authors: Rafael Ayll\'on-Gavil\'an, David Guijo-Rubio, Pedro Antonio Guti\'errez and C\'esar Herv\'as-Martinez
• Abstract要約: オーディナルTDE(O-TDE)として知られるTDEアルゴリズムの順序適応について述べる。 実験は、他の4つの名義辞書ベースの手法と比較して、順序辞書ベースのアプローチによって達成された改善を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time Series Classification (TSC) is an extensively researched field from which a broad range of real-world problems can be addressed obtaining excellent results. One sort of the approaches performing well are the so-called dictionary-based techniques. The Temporal Dictionary Ensemble (TDE) is the current state-of-the-art dictionary-based TSC approach. In many TSC problems we find a natural ordering in the labels associated with the time series. This characteristic is referred to as ordinality, and can be exploited to improve the methods performance. The area dealing with ordinal time series is the Time Series Ordinal Classification (TSOC) field, which is yet unexplored. In this work, we present an ordinal adaptation of the TDE algorithm, known as ordinal TDE (O-TDE). For this, a comprehensive comparison using a set of 18 TSOC problems is performed. Experiments conducted show the improvement achieved by the ordinal dictionary-based approach in comparison to four other existing nominal dictionary-based techniques.
• Abstract（参考訳）: 時系列分類(TSC)は、様々な現実世界の問題に対処し、優れた結果が得られる広範囲の研究分野である。 うまく機能するアプローチのひとつに、いわゆる辞書ベースのテクニックがある。 TDE(Temporal Dictionary Ensemble)は、現在最先端の辞書ベースのTSCアプローチである。 多くのtsc問題では、時系列に関連付けられたラベルに自然な順序が現れる。 この特性はordinalityと呼ばれ、メソッドのパフォーマンスを改善するために利用することができる。 順序時系列を扱う領域は、まだ探索されていない時系列規則分類(TSOC)分野である。 本稿では,TDEアルゴリズムの順序適応(ordinal TDE,ordinal TDE)を提案する。 そこで,18個のtsoc問題を用いた包括的比較を行った。 実験により,既存の4つの名目辞書手法と比較して,順序辞書に基づく手法による改善が示された。

関連論文リスト

• On time series clustering with k-means [0.5530212768657544]
  時系列クラスタリングアルゴリズムは、様々な方法で構成されたk平均で表されることが多い。 この変数は、k-平均はその構成に非常に敏感であることが知られているため、研究を比較するのが困難である。 本稿では,エンドツーエンドアプローチを採用したTSCLの標準ロイドモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-18T08:24:07Z)
• SLAck: Semantic, Location, and Appearance Aware Open-Vocabulary Tracking [89.43370214059955]
  Open-vocabulary Multiple Object Tracking (MOT)は、トレーニングセットにはない新しいカテゴリにトラッカーを一般化することを目的としている。 我々は,連合の初期段階において,意味論,位置,出現の先行を共同で検討する統一的な枠組みを提案する。 提案手法は,異なるキューを融合するための複雑な後処理を排除し,大規模オープン語彙追跡のための関連性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-09-17T14:36:58Z)
• 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)
• Generalized Time Warping Invariant Dictionary Learning for Time Series Classification and Clustering [8.14208923345076]
  動的時間ワープ(DTW)は、時間的遅延、スケーリング、変換、その他多くの時間的ミスアライメント問題を扱うために一般的に使用される。 本稿では,時変不変辞書学習アルゴリズムを提案する。 辞書学習,分類,クラスタリングの観点から,提案手法の優位性を10組の公開データセットを用いて検証した。
  論文  参考訳（メタデータ） (2023-06-30T14:18:13Z)
• Convolutional and Deep Learning based techniques for Time Series Ordinal Classification [7.047582157120573]
  時系列規則分類(TSOC)は、このギャップをカバーする分野であるが、文献では未解明である。 本稿では,TSOC手法の最初のベンチマークを行い,対象ラベルの順序付けを利用して,現在のTSCの現状を向上する。
  論文  参考訳（メタデータ） (2023-06-16T11:57:11Z)
• On Pitfalls of Test-Time Adaptation [82.8392232222119]
  TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。 TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
  論文  参考訳（メタデータ） (2023-06-06T09:35:29Z)
• Early Time-Series Classification Algorithms: An Empirical Comparison [59.82930053437851]
  早期時系列分類(Early Time-Series Classification, ETSC)は、できるだけ少ない測定で時系列のクラスを予測するタスクである。 既存のETSCアルゴリズムを公開データと,新たに導入された2つのデータセットで評価した。
  論文  参考訳（メタデータ） (2022-03-03T10:43:56Z)
• The FreshPRINCE: A Simple Transformation Based Pipeline Time Series Classifier [0.0]
  我々は、最先端と見なされるアルゴリズムの複雑さが本当に必要かどうかを考察する。 最初に提案されたアプローチは、要約統計やその他の時系列特徴抽出アプローチの単純なパイプラインである。 我々はこれらの手法をUCC時系列データセットアーカイブ上でテストし、TSC文献がこれらの手法の有効性を見落としているかどうかを確認する。
  論文  参考訳（メタデータ） (2022-01-28T11:23:58Z)
• PER-ETD: A Polynomially Efficient Emphatic Temporal Difference Learning Method [49.93717224277131]
  PEriodically Restarted-ETD(PEriodically Restarted-ETD)と呼ばれる新しいETD手法を提案する。 PER-ETD は ETD と同じ所望の固定点に収束するが, 指数的なサンプルの複雑性は向上する。
  論文  参考訳（メタデータ） (2021-10-13T17:40:12Z)
• 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)
• 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)

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。