論文の概要: Castor: Competing shapelets for fast and accurate time series classification

• arxiv url: http://arxiv.org/abs/2403.13176v1
• Date: Tue, 19 Mar 2024 22:05:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-21 18:37:24.126702
• Title: Castor: Competing shapelets for fast and accurate time series classification
• Title（参考訳）: Castor: 高速かつ正確な時系列分類のためのシェープレットの競合
• Authors: Isak Samsten, Zed Lee,
• Abstract要約: Castorは単純で効率的で正確な時系列分類アルゴリズムである。 いくつかの最先端の分類器よりもはるかに正確な変換が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.9208007322096533
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Shapelets are discriminative subsequences, originally embedded in shapelet-based decision trees but have since been extended to shapelet-based transformations. We propose Castor, a simple, efficient, and accurate time series classification algorithm that utilizes shapelets to transform time series. The transformation organizes shapelets into groups with varying dilation and allows the shapelets to compete over the time context to construct a diverse feature representation. By organizing the shapelets into groups, we enable the transformation to transition between levels of competition, resulting in methods that more closely resemble distance-based transformations or dictionary-based transformations. We demonstrate, through an extensive empirical investigation, that Castor yields transformations that result in classifiers that are significantly more accurate than several state-of-the-art classifiers. In an extensive ablation study, we examine the effect of choosing hyperparameters and suggest accurate and efficient default values.
• Abstract（参考訳）: シェープレットは識別サブシーケンスであり、もともとはシェイプレットベースの決定木に埋め込まれていたが、その後シェイプレットベースの変換へと拡張された。 シェープレットを用いて時系列を変換する,単純で効率的かつ正確な時系列分類アルゴリズムであるCastorを提案する。 この変換は、様々なダイレーションを持つグループにシェイプレットを編成し、シェイプレットが時間的文脈で競争し、多様な特徴表現を構築することを可能にする。 シェープレットをグループにまとめることで、競合のレベル間の遷移を可能とし、その結果、距離ベースの変換や辞書ベースの変換とよりよく似た方法が生まれる。 我々は、広範囲にわたる経験的調査を通じて、カスターは、いくつかの最先端の分類器よりもはるかに正確な分類器をもたらす変換をもたらすことを示した。 広範囲にわたるアブレーション研究において、ハイパーパラメータの選択の効果を検証し、正確で効率的なデフォルト値を提案する。

関連論文リスト

• 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)
• General Lipschitz: Certified Robustness Against Resolvable Semantic Transformations via Transformation-Dependent Randomized Smoothing [5.5855074442298696]
  構成可能な可解なセマンティック摂動に対してニューラルネットワークを認証する新しいフレームワークであるEmph General Lipschitz (GL)を提案する。 提案手法は,ImageNetデータセットにおける最先端のアプローチと同等に機能する。
  論文  参考訳（メタデータ） (2023-08-17T14:39:24Z)
• Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
  メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。 これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T07:00:53Z)
• Frame Averaging for Equivariant Shape Space Learning [85.42901997467754]
  形状空間学習に対称性を組み込む自然な方法は、形状空間(エンコーダ)への写像と形状空間(デコーダ)からの写像が関連する対称性に同値であることを問うことである。 本稿では,2つのコントリビューションを導入することで,エンコーダとデコーダの等価性を組み込む枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-03T06:41:19Z)
• On the rate of convergence of a classifier based on a Transformer encoder [55.41148606254641]
  最適誤分類確率に対する分類器の誤分類確率の収束率を分析する。 この分類器は,アポテリオリ確率が適切な階層的構成モデルを満たす場合,次元性の呪いを回避することができる。
  論文  参考訳（メタデータ） (2021-11-29T14:58:29Z)
• Convolutional Shapelet Transform: A new approach for time series shapelets [1.160208922584163]
  本稿では,ダイレーションの概念を含む時系列シェイプレットの新たな定式化と,畳み込みカーネルに基づくシェープレット抽出手法を提案する。 提案手法は,シェープレットアルゴリズムの最先端性を向上し,畳み込みカーネルによる結果の解釈に利用できることを示す。
  論文  参考訳（メタデータ） (2021-09-28T06:30:42Z)
• Topographic VAEs learn Equivariant Capsules [84.33745072274942]
  本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。 このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。 我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
  論文  参考訳（メタデータ） (2021-09-03T09:25:57Z)
• The Cascade Transformer: an Application for Efficient Answer Sentence Selection [116.09532365093659]
  本稿では,変圧器をベースとしたモデルのカスケード化手法であるカスケード変換器について紹介する。 現状の変圧器モデルと比較すると,提案手法は精度にほとんど影響を与えずに計算量を37%削減する。
  論文  参考訳（メタデータ） (2020-05-05T23:32:01Z)
• Image Morphing with Perceptual Constraints and STN Alignment [70.38273150435928]
  本稿では,一対の入力画像で動作する条件付きGANモーフィングフレームワークを提案する。 特別なトレーニングプロトコルは、知覚的類似性損失と組み合わせてフレームのシーケンスを生成し、時間とともにスムーズな変換を促進する。 我々は、古典的かつ潜時的な空間変形技術との比較を行い、自己スーパービジョンのための一連の画像から、我々のネットワークが視覚的に楽しむモーフィング効果を生成することを実証する。
  論文  参考訳（メタデータ） (2020-04-29T10:49:10Z)
• Use Short Isometric Shapelets to Accelerate Binary Time Series Classification [28.469831845459183]
  時間的複雑性を低減するための2つの戦略を含む,新しいアルゴリズム,すなわち短い等尺形状変換を導入する。 これらの2つの戦略の理論的証拠は、いくつかの前提条件の下でほぼ無作為な精度を保証するために提示される。
  論文  参考訳（メタデータ） (2019-12-27T04:33:11Z)

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。