論文の概要: Contrast Similarity-Aware Dual-Pathway Mamba for Multivariate Time Series Node Classification

• arxiv url: http://arxiv.org/abs/2411.12222v1
• Date: Tue, 19 Nov 2024 04:32:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:37:49.029274
• Title: Contrast Similarity-Aware Dual-Pathway Mamba for Multivariate Time Series Node Classification
• Title（参考訳）: 多変量時系列ノード分類のためのコントラスト類似性を考慮したデュアルパスウェイマンバ
• Authors: Mingsen Du, Meng Chen, Yongjian Li, Xiuxin Zhang, Jiahui Gao, Cun Ji, Shoushui Wei,
• Abstract要約: MTSノード分類(CS-DPMamba)のためのコントラスト類似性を考慮したデュアルパスMambaを提案する。 Fast Dynamic Time Warping (FastDTW) を用いて, MTS表現間の類似度行列を構築する。 長距離依存性と動的類似性を考慮し、正確なTSノード分類を実現した。
• 参考スコア（独自算出の注目度）: 9.159556125198305
• License:
• Abstract: Multivariate time series (MTS) data is generated through multiple sensors across various domains such as engineering application, health monitoring, and the internet of things, characterized by its temporal changes and high dimensional characteristics. Over the past few years, many studies have explored the long-range dependencies and similarities in MTS. However, long-range dependencies are difficult to model due to their temporal changes and high dimensionality makes it difficult to obtain similarities effectively and efficiently. Thus, to address these issues, we propose contrast similarity-aware dual-pathway Mamba for MTS node classification (CS-DPMamba). Firstly, to obtain the dynamic similarity of each sample, we initially use temporal contrast learning module to acquire MTS representations. And then we construct a similarity matrix between MTS representations using Fast Dynamic Time Warping (FastDTW). Secondly, we apply the DPMamba to consider the bidirectional nature of MTS, allowing us to better capture long-range and short-range dependencies within the data. Finally, we utilize the Kolmogorov-Arnold Network enhanced Graph Isomorphism Network to complete the information interaction in the matrix and MTS node classification task. By comprehensively considering the long-range dependencies and dynamic similarity features, we achieved precise MTS node classification. We conducted experiments on multiple University of East Anglia (UEA) MTS datasets, which encompass diverse application scenarios. Our results demonstrate the superiority of our method through both supervised and semi-supervised experiments on the MTS classification task.
• Abstract（参考訳）: 多変量時系列データ(MTS)は, 工学的応用, 健康モニタリング, 物のインターネットなど, さまざまな領域にまたがる複数のセンサによって生成され, 時間的変化と高次元特性を特徴とする。 過去数年間、多くの研究がMSSの長距離依存と類似性を調査してきた。 しかし、時間的変化のために長距離依存をモデル化することは困難であり、高次元性は類似性を効果的かつ効率的に得ることを困難にしている。 そこで本稿では,MTSノード分類(CS-DPMamba)のためのコントラスト類似性を考慮したデュアルパスMambaを提案する。 まず,各サンプルの動的類似性を得るために,まず時間的コントラスト学習モジュールを用いてMTS表現を取得する。 次に,FastDTW(Fast Dynamic Time Warping)を用いて,MTS表現間の類似度行列を構築した。 第二に、DPMambaをMSSの双方向性の検討に適用することにより、データ内の長距離および短距離の依存関係をよりよく捉えることができる。 最後に,Kolmogorov-Arnold Network 拡張グラフ同型ネットワークを用いて,行列と MTS ノードの分類タスクにおける情報相互作用を補完する。 長距離依存性と動的類似性の特徴を包括的に考慮し、正確なTSノード分類を実現した。 複数の東アングリア大学 (UEA) MTSデータセットについて, 多様なアプリケーションシナリオを網羅した実験を行った。 MTS分類タスクにおける教師付きおよび半教師付き実験により,本手法の優位性を実証した。

関連論文リスト

• UniTST: Effectively Modeling Inter-Series and Intra-Series Dependencies for Multivariate Time Series Forecasting [98.12558945781693]
  フラット化されたパッチトークンに統一された注意機構を含む変圧器ベースモデルUniTSTを提案する。 提案モデルでは単純なアーキテクチャを採用しているが,時系列予測のためのいくつかのデータセットの実験で示されたような,魅力的な性能を提供する。
  論文  参考訳（メタデータ） (2024-06-07T14:39:28Z)
• Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis [70.78170766633039]
  我々は、MTS予測提案を確実かつ公平に評価する手段の必要性に対処する。 BasicTS+は、MTS予測ソリューションの公平で包括的で再現可能な比較を可能にするために設計されたベンチマークである。 リッチデータセットとともにBasicTS+を適用し,45 MTS以上の予測ソリューションの性能を評価する。
  論文  参考訳（メタデータ） (2023-10-09T19:52:22Z)
• Fully-Connected Spatial-Temporal Graph for Multivariate Time-Series Data [50.84488941336865]
  完全時空間グラフニューラルネットワーク(FC-STGNN)という新しい手法を提案する。 グラフ構築のために、時間的距離に基づいて、すべてのタイムスタンプにセンサーを接続する減衰グラフを設計する。 グラフ畳み込みのために,移動プールGNN層を用いたFCグラフ畳み込みを考案し,ST依存性を効果的に把握し,効率的な表現を学習する。
  論文  参考訳（メタデータ） (2023-09-11T08:44:07Z)
• Graph-Aware Contrasting for Multivariate Time-Series Classification [50.84488941336865]
  既存のコントラスト学習手法は主に、時間的拡張とコントラスト技術による時間的一貫性を達成することに焦点を当てている。 MTSデータ間の空間的整合性を考慮したグラフ認識コントラストを提案する。 提案手法は,様々なMSS分類タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-09-11T02:35:22Z)
• Multi-scale Transformer Pyramid Networks for Multivariate Time Series Forecasting [8.739572744117634]
  短時間の時間依存性をキャプチャする次元不変な埋め込み手法を導入する。 本稿では,マルチスケールトランスフォーマーピラミッドネットワーク(MTPNet)を提案する。
  論文  参考訳（メタデータ） (2023-08-23T06:40:05Z)
• FormerTime: Hierarchical Multi-Scale Representations for Multivariate Time Series Classification [53.55504611255664]
  formerTimeは、多変量時系列分類タスクの分類能力を改善する階層的表現モデルである。 1)時系列データから階層的なマルチスケール表現を学習し、(2)トランスフォーマーと畳み込みネットワークの強さを継承し、(3)自己維持メカニズムによって引き起こされる効率の課題に取り組む。
  論文  参考訳（メタデータ） (2023-02-20T07:46:14Z)
• Towards Similarity-Aware Time-Series Classification [51.2400839966489]
  時系列データマイニングの基本課題である時系列分類(TSC)について検討する。 グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
  論文  参考訳（メタデータ） (2022-01-05T02:14:57Z)
• Scale-Aware Neural Architecture Search for Multivariate Time Series Forecasting [7.877931505819402]
  MTS予測のためのスケール対応ニューラルネットワーク探索フレームワーク(SNAS4MTF)を提案する。 マルチスケール分解モジュールは、生の時系列をマルチスケールサブシリーズに変換する。 適応グラフ学習モジュールは、異なる時間スケールで異なる変数間の依存関係を推論する。
  論文  参考訳（メタデータ） (2021-12-14T15:14:03Z)
• A Multi-view Multi-task Learning Framework for Multi-variate Time Series Forecasting [42.061275727906256]
  MTS予測のための新しいマルチビューマルチタスク(MVMT)学習フレームワークを提案する。 MVMT情報は、MTSデータに深く隠され、モデルが自然にそれをキャプチャすることを妨げる。 タスクワイドアフィン変換とタスクワイド正規化という,2種類の基本操作をそれぞれ開発する。
  論文  参考訳（メタデータ） (2021-09-02T06:11:26Z)

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。