論文の概要: A Bag of Receptive Fields for Time Series Extrinsic Predictions

• arxiv url: http://arxiv.org/abs/2311.18029v1
• Date: Wed, 29 Nov 2023 19:13:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 19:01:01.246376
• Title: A Bag of Receptive Fields for Time Series Extrinsic Predictions
• Title（参考訳）: 時系列外部予測のための受容場の一袋
• Authors: Francesco Spinnato and Riccardo Guidotti and Anna Monreale and Mirco Nanni
• Abstract要約: 高次元時系列データは、そのダイナミックな性質、様々な長さ、欠落した値の存在のために課題を提起する。 本稿では,時系列畳み込みと1D-SAXの概念を取り入れたBag-Of-Receptive-FieldsモデルであるBORFを提案する。 BORF on Time Series Classification and Time Series Extrinsic Regression task using the full UEA and UCR repository。
• 参考スコア（独自算出の注目度）: 8.172425535905038
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-dimensional time series data poses challenges due to its dynamic nature, varying lengths, and presence of missing values. This kind of data requires extensive preprocessing, limiting the applicability of existing Time Series Classification and Time Series Extrinsic Regression techniques. For this reason, we propose BORF, a Bag-Of-Receptive-Fields model, which incorporates notions from time series convolution and 1D-SAX to handle univariate and multivariate time series with varying lengths and missing values. We evaluate BORF on Time Series Classification and Time Series Extrinsic Regression tasks using the full UEA and UCR repositories, demonstrating its competitive performance against state-of-the-art methods. Finally, we outline how this representation can naturally provide saliency and feature-based explanations.
• Abstract（参考訳）: 高次元時系列データは、そのダイナミックな性質、様々な長さ、欠落した値の存在のために課題を提起する。 この種のデータには広範な前処理が必要であり、既存の時系列分類や時間軸回帰技術の適用性が制限されている。 そこで本研究では,時系列畳み込みと1d-saxの概念を取り入れ,長さや欠落値の異なる不定値・多変量時系列を扱う,受容場モデルであるborfを提案する。 本稿では,ueaとucrの全リポジトリを用いて,時系列分類と時系列回帰タスクのボルフを評価し,最新手法との競合性を示す。 最後に,この表現が自然にサリエンシーと特徴に基づく説明を提供する方法について概説する。

関連論文リスト

• Unified Training of Universal Time Series Forecasting Transformers [104.56318980466742]
  マスク型ユニバーサル時系列予測変換器(モイライ)について述べる。 Moiraiは、新たに導入された大規模オープンタイムシリーズアーカイブ(LOTSA)で訓練されており、9つのドメインで27億以上の観測が行われた。 Moiraiは、フルショットモデルと比較してゼロショットの予測器として、競争力や優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-02-04T20:00:45Z)
• 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)
• Continuous-time convolutions model of event sequences [53.36665135225617]
  イベントシーケンスデータの巨大なサンプルは、eコマース、ヘルスケア、ファイナンスなど、さまざまなドメインで発生します。 利用可能なデータの量とクライアント毎のイベントシーケンスの長さは典型的には大きいため、長期的なモデリングが必要である。 時間内の事象の一様発生に適した連続畳み込みニューラルネットワークに基づくCOTIC法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T10:34:51Z)
• 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)
• Don't overfit the history -- Recursive time series data augmentation [17.31522835086563]
  本稿では,RIM で表される再帰補間法(Recursive Interpolation Method)と呼ばれる時系列拡張のための一般的なフレームワークを提案する。 提案するRIMを特徴付ける理論解析を行い,その試験性能を保証する。 RIMを実時間時系列の多種多様な事例に適用し、回帰、分類、強化学習タスクの非強化データよりも高い性能を達成する。
  論文  参考訳（メタデータ） (2022-07-06T18:09:50Z)
• Multi-scale Attention Flow for Probabilistic Time Series Forecasting [68.20798558048678]
  マルチスケールアテンション正規化フロー(MANF)と呼ばれる非自己回帰型ディープラーニングモデルを提案する。 我々のモデルは累積誤差の影響を回避し、時間の複雑さを増大させない。 本モデルは,多くの多変量データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-05-16T07:53:42Z)
• Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
  時系列データは、気候、経済、医療などいくつかの領域で広く使われている。 最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。 ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
  論文  参考訳（メタデータ） (2021-10-11T13:46:28Z)
• Interpretable Feature Construction for Time Series Extrinsic Regression [0.028675177318965035]
  一部のアプリケーション領域では、対象変数が数値であり、その問題は時系列外部回帰(TSER)として知られている。 TSERの文脈における頑健で解釈可能な特徴構築と選択のためのベイズ法の拡張を提案する。 私たちのアプローチは、TSERに取り組むためのリレーショナルな方法を利用します:(i)、リレーショナルデータスキームに格納されている時系列の多様で単純な表現を構築し、(ii)二次テーブルからデータを「フラット化」するために解釈可能な機能を構築するためにプロポジション化技術を適用します。
  論文  参考訳（メタデータ） (2021-03-15T08:12:19Z)
• Monash University, UEA, UCR Time Series Extrinsic Regression Archive [6.5513221781395465]
  我々は,最初のTSERベンチマークアーカイブを導入することで,TSER(Time Series Extrinsic Regression)の研究のモチベーションと支援を目指している。 このアーカイブには、異なるドメインから19のデータセットが含まれており、さまざまな次元、不等長次元、欠落値がある。 本稿では,このアーカイブにデータセットを導入し,既存のモデルに対する初期ベンチマークを行った。
  論文  参考訳（メタデータ） (2020-06-19T07:47:57Z)

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。