論文の概要: Generalized Time Warping Invariant Dictionary Learning for Time Series Classification and Clustering

• arxiv url: http://arxiv.org/abs/2306.17690v1
• Date: Fri, 30 Jun 2023 14:18:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-03 12:06:26.166907
• Title: Generalized Time Warping Invariant Dictionary Learning for Time Series Classification and Clustering
• Title（参考訳）: 時系列分類とクラスタリングのための一般時間ワーピング不変辞書学習
• Authors: Ruiyu Xu, Chao Wang, Yongxiang Li, Jianguo Wu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.14208923345076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dictionary learning is an effective tool for pattern recognition and classification of time series data. Among various dictionary learning techniques, the dynamic time warping (DTW) is commonly used for dealing with temporal delays, scaling, transformation, and many other kinds of temporal misalignments issues. However, the DTW suffers overfitting or information loss due to its discrete nature in aligning time series data. To address this issue, we propose a generalized time warping invariant dictionary learning algorithm in this paper. Our approach features a generalized time warping operator, which consists of linear combinations of continuous basis functions for facilitating continuous temporal warping. The integration of the proposed operator and the dictionary learning is formulated as an optimization problem, where the block coordinate descent method is employed to jointly optimize warping paths, dictionaries, and sparseness coefficients. The optimized results are then used as hyperspace distance measures to feed classification and clustering algorithms. The superiority of the proposed method in terms of dictionary learning, classification, and clustering is validated through ten sets of public datasets in comparing with various benchmark methods.
• Abstract（参考訳）: 辞書学習は時系列データのパターン認識と分類に有効なツールである。 様々な辞書学習技法の中で、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われている。 しかし、DTWは時系列データの整列において、その離散性によって過度な適合や情報損失に悩まされる。 この問題に対処するため,本論文では,一般時間ゆがみ型辞書学習アルゴリズムを提案する。 提案手法は,連続時間ワープを容易にするための連続基底関数の線形結合からなる一般化時間ワープ演算子を特徴とする。 提案した演算子と辞書学習の統合は最適化問題として定式化され,ブロック座標降下法を用いてワープパス,辞書,スパースネス係数を共同最適化する。 最適化された結果は、分類とクラスタリングアルゴリズムを供給するための超空間距離測定として使用される。 辞書学習,分類,クラスタリングにおける提案手法の優位性は,各種ベンチマーク手法との比較において,10組の公開データセットを通じて検証される。

関連論文リスト

• Clustering of timed sequences -- Application to the analysis of care pathways [0.0]
  典型的なケアパスの発見は、クラスタリングによって達成できる。 タイムスタンプされたイベントのシーケンスで表されるクラスタリングケアパスの難しさは、意味的に適切なメトリックとクラスタリングアルゴリズムを定義することである。
  論文  参考訳（メタデータ） (2024-04-23T07:16:13Z)
• A Hard-to-Beat Baseline for Training-free CLIP-based Adaptation [121.0693322732454]
  対照的に、CLIP(Contrastive Language- Image Pretraining)はその目覚ましいゼロショット能力で人気を集めている。 近年の研究では、下流タスクにおけるCLIPの性能を高めるための効率的な微調整手法の開発に焦点が当てられている。 従来のアルゴリズムであるガウス判別分析(GDA)を再検討し,CLIPの下流分類に適用する。
  論文  参考訳（メタデータ） (2024-02-06T15:45:27Z)
• 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)
• Diffeomorphic Transformations for Time Series Analysis: An Efficient Approach to Nonlinear Warping [0.0]
  多くの分野にわたる時間データの拡散と普遍性は、類似性、分類、クラスタリング手法への関心を喚起した。 ユークリッドのような伝統的な距離測度は、時間に依存したデータの性質のため適していない。 この論文は、パラメトリックおよび微分同相のワープ変換を用いる新しい弾性アライメント法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T10:51:47Z)
• A Dictionary-based approach to Time Series Ordinal Classification [0.0]
  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。
  論文  参考訳（メタデータ） (2023-05-16T08:48:36Z)
• Word Embeddings and Validity Indexes in Fuzzy Clustering [5.063728016437489]
  単語の様々なベクトル表現、すなわち単語埋め込みのファジィに基づく解析。 我々は2つのファジィクラスタリングアルゴリズムをカウントベースの単語埋め込みに使用し、異なる手法と次元を持つ。 本研究では,様々なクラスタリング妥当性指標を用いた実験結果を評価し,異なるアルゴリズム変動と異なる埋め込み精度を比較した。
  論文  参考訳（メタデータ） (2022-04-26T18:08:19Z)
• HYDRA: Competing convolutional kernels for fast and accurate time series classification [9.049629596156473]
  辞書法に類似したモデルとROCKETに類似したモデルの間を次々に移動可能であることを示す。 本稿では、競合する畳み込みカーネルを用いた時系列分類のための、単純で高速で正確な辞書法HYDRAを提案する。
  論文  参考訳（メタデータ） (2022-03-25T13:58:10Z)
• High-Dimensional Sparse Bayesian Learning without Covariance Matrices [66.60078365202867]
  共分散行列の明示的な構成を避ける新しい推論手法を提案する。 本手法では, 数値線形代数と共役勾配アルゴリズムの対角線推定結果とを結合する。 いくつかのシミュレーションにおいて,本手法は計算時間とメモリにおける既存手法よりも拡張性が高い。
  論文  参考訳（メタデータ） (2022-02-25T16:35:26Z)
• Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases [131.50372468579067]
  そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2021-11-12T17:48:25Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Accelerating Text Mining Using Domain-Specific Stop Word Lists [57.76576681191192]
  本稿では,超平面的アプローチと呼ばれるドメイン固有語の自動抽出手法を提案する。 ハイパープレーンベースのアプローチは、無関係な特徴を排除することによって、テキストの寸法を著しく削減することができる。 その結果,超平面型アプローチはコーパスの寸法を90%削減し,相互情報より優れることがわかった。
  論文  参考訳（メタデータ） (2020-11-18T17:42:32Z)

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。