Fugu-MT 論文翻訳(概要): InceptionTime vs. Wavelet -- A comparison for time series classification

論文の概要: InceptionTime vs. Wavelet -- A comparison for time series classification

arxiv url: http://arxiv.org/abs/2403.18687v1
Date: Wed, 27 Mar 2024 15:34:27 GMT
ステータス: 処理完了
システム内更新日: 2024-03-28 16:19:17.945767
Title: InceptionTime vs. Wavelet -- A comparison for time series classification
Title（参考訳）: InceptionTime vs. Wavelet -- 時系列分類の比較
Authors: Daniel Klenkert, Daniel Schaeffer, Julian Stauch,
Abstract要約: 2つの異なるアプローチを比較して、インフラウンドデータを分類した。ひとつは、InceptionTimeネットワークのカスタム実装を使用して、時系列データの直接的な分類に基づいている。他の手法では、信号のウェーブレット変換の2次元画像を生成し、その後ResNetの実装を用いて分類した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neural networks were used to classify infrasound data. Two different approaches were compared. One based on the direct classification of time series data, using a custom implementation of the InceptionTime network. For the other approach, we generated 2D images of the wavelet transformation of the signals, which were subsequently classified using a ResNet implementation. Choosing appropriate hyperparameter settings, both achieve a classification accuracy of above 90 %, with the direct approach reaching 95.2 %.
Abstract（参考訳）: ニューラルネットワークは、赤外線データの分類に使われた。 2つの異なるアプローチが比較された。ひとつは、InceptionTimeネットワークのカスタム実装を使用して、時系列データの直接的な分類に基づいている。他の手法では、信号のウェーブレット変換の2次元画像を生成し、その後ResNetの実装を用いて分類した。適切なハイパーパラメータ設定を選択することで、90%以上の分類精度が得られ、直接アプローチは95.2パーセントに達する。

関連論文リスト

On Input Formats for Radar Micro-Doppler Signature Processing by Convolutional Neural Networks [1.2499537119440245]
位相情報の有用性と畳み込みニューラルネットワークに対するドップラー時間入力の最適なフォーマットを解析する。畳み込みニューラルネットワーク分類器によって達成された性能は入力表現の種類に大きく影響されている。
論文参考訳（メタデータ） (2024-04-12T07:30:08Z)
Prompt Tuning for Parameter-efficient Medical Image Segmentation [79.09285179181225]
2つの医用画像データセットのセマンティックセグメンテーションにパラメータ効率が良いが効果的な適応を実現するために,いくつかのコントリビューションを提案し,検討する。我々はこのアーキテクチャを、オンライン生成プロトタイプへの割り当てに基づく専用密集型セルフスーパービジョンスキームで事前訓練する。得られたニューラルネットワークモデルにより、完全に微調整されたモデルとパラメータに適応したモデルとのギャップを緩和できることを実証する。
論文参考訳（メタデータ） (2022-11-16T21:55:05Z)
Frequency Spectrum Augmentation Consistency for Domain Adaptive Object Detection [107.52026281057343]
周波数スペクトル拡張整合(FSAC)フレームワークを4種類の低周波フィルタで構成する。最初の段階では、オリジナルおよび拡張されたソースデータを全て利用して、オブジェクト検出器を訓練する。第2段階では、予測一貫性のための自己学習を行うために、擬似ラベル付き拡張現実とターゲットデータを採用する。
論文参考訳（メタデータ） (2021-12-16T04:07:01Z)
Voice2Series: Reprogramming Acoustic Models for Time Series Classification [65.94154001167608]
Voice2Seriesは、時系列分類のための音響モデルをプログラムする新しいエンドツーエンドアプローチである。 V2Sは20のタスクで性能が優れるか、最先端のメソッドと結びついているかを示し、平均精度を1.84%向上させる。
論文参考訳（メタデータ） (2021-06-17T07:59:15Z)
SoundDet: Polyphonic Sound Event Detection and Localization from Raw Waveform [48.68714598985078]
SoundDetは、多音動音イベントの検出とローカライゼーションのためのエンドツーエンドのトレーニング可能で軽量なフレームワークである。 SoundDetは、生のマルチチャネル波形を直接消費し、検出すべき時間音イベントを完全な音オブジェクトとして扱う。次に、時間的変化が大きいイベントを予測する上での課題に対処するため、高密度な音響提案イベントマップを構築する。
論文参考訳（メタデータ） (2021-06-13T11:43:41Z)
Deep Learning Radio Frequency Signal Classification with Hybrid Images [0.0]
入力トレーニングデータに使用できるさまざまな前処理ステップに注目し、結果を固定されたディープラーニングアーキテクチャでテストする。本稿では,時間領域情報と周波数領域情報の両方を利用するハイブリッド画像を提案し,コンピュータビジョン問題として分類する。
論文参考訳（メタデータ） (2021-05-19T11:12:09Z)
Time Series Imaging for Link Layer Anomaly Classification in Wireless Networks [0.6015898117103068]
本稿では,無線異常検出のための画像ベース表現手法の初回解析を行う。本稿では,正確な異常検出を可能にする新しいディープラーニングアーキテクチャを提案する。本研究では,時系列信号から画像への変換による分類性能の向上の可能性を示す。
論文参考訳（メタデータ） (2021-04-02T10:23:06Z)
Look and Listen: A Multi-modality Late Fusion Approach to Scene Classification for Autonomous Machines [5.452798072984612]
本研究の新規性は,画像と音声が深層融合の過程において相互に補完するシーン分類への多様性アプローチである。このアプローチは、16,000のデータオブジェクトの2つの同期およびバランスの取れたデータセットからなる、難しい分類問題に対して実証される。単一モダリティが異常なデータポイントによって混同される可能性がある状況は、より高次な統合によって修正されていることを示す。
論文参考訳（メタデータ） (2020-07-11T16:47:05Z)
Real Time Speech Enhancement in the Waveform Domain [99.02180506016721]
本稿では,ラップトップCPU上でリアルタイムに動作する生波形を用いた因果音声強調モデルを提案する。提案モデルは、スキップ接続を持つエンコーダデコーダアーキテクチャに基づいている。静止ノイズや非定常ノイズを含む様々な背景ノイズを除去することができる。
論文参考訳（メタデータ） (2020-06-23T09:19:13Z)
Attention and Encoder-Decoder based models for transforming articulatory movements at different speaking rates [60.02121449986413]
LSTMを用いたエンコーダデコーダアーキテクチャを提案する。変換された調音運動の振幅を原音と異なる速度で解析する。 AstNetは,既存の変換手法よりも音節運動の持続時間と範囲をモデル化できる。
論文参考訳（メタデータ） (2020-06-04T19:33:26Z)
Time-Frequency Analysis based Blind Modulation Classification for Multiple-Antenna Systems [6.011027400738812]
ブラインド変調分類は、認知無線ネットワークを実装するための重要なステップである。マルチインプット・マルチアウトプット(MIMO)技術は、軍事や民間の通信システムで広く使われている。これらのシナリオでは、従来の可能性ベースのアプローチや特徴ベースのアプローチは適用できない。
論文参考訳（メタデータ） (2020-04-01T12:27:29Z)

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。