論文の概要: The Multiverse of Time Series Machine Learning: an Archive for Multivariate Time Series Classification

• arxiv url: http://arxiv.org/abs/2603.20352v1
• Date: Fri, 20 Mar 2026 12:26:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.859773
• Title: The Multiverse of Time Series Machine Learning: an Archive for Multivariate Time Series Classification
• Title（参考訳）: 時系列機械学習のマルチバース:多変量時系列分類のためのアーカイブ
• Authors: Matthew Middlehurst, Aiden Rushbrooke, Ali Ismail-Fawaz, Maxime Devanne, Germain Forestier, Angus Dempster, Geoffrey I. Webb, Christopher Holder, Anthony Bagnall,
• Abstract要約: 時系列機械学習(英: Time series machine learning、略称:T)は、幅広いタスクにまたがる研究分野である。 2018年に導入された30の時系列分類データセットのアーカイブは、何百もの出版物に引用されている重要なリソースとなっている。 このアーカイブは,30～133の分類問題から,その大きさを4倍以上に拡大した。
• 参考スコア（独自算出の注目度）: 4.407540495578245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series machine learning (TSML) is a growing research field that spans a wide range of tasks. The popularity of established tasks such as classification, clustering, and extrinsic regression has, in part, been driven by the availability of benchmark datasets. An archive of 30 multivariate time series classification datasets, introduced in 2018 and commonly known as the UEA archive, has since become an essential resource cited in hundreds of publications. We present a substantial expansion of this archive that more than quadruples its size, from 30 to 133 classification problems. We also release preprocessed versions of datasets containing missing values or unequal length series, bringing the total number of datasets to 147. Reflecting the growth of the archive and the broader community, we rebrand it as the Multiverse archive to capture its diversity of domains. The Multiverse archive includes datasets from multiple sources, consolidating other collections and standalone datasets into a single, unified repository. Recognising that running experiments across the full archive is computationally demanding, we recommend a subset of the full archive called Multiverse-core (MV-core) for initial exploration. To support researchers in using the new archive, we provide detailed guidance and a baseline evaluation of established and recent classification algorithms, establishing performance benchmarks for future research. We have created a dedicated repository for the Multiverse archive that provides a common aeon and scikit-learn compatible framework for reproducibility, an extensive record of published results, and an interactive interface to explore the results.
• Abstract（参考訳）: 時系列機械学習(TSML)は、幅広いタスクにまたがる研究分野である。 分類、クラスタリング、外部回帰といった確立されたタスクの人気は、部分的にはベンチマークデータセットの可用性によって引き起こされている。 2018年に導入され、一般にUEAアーカイブとして知られる30の多変量時系列分類データセットのアーカイブは、数百の出版物で引用される重要なリソースとなっている。 このアーカイブは,30～133の分類問題から,その大きさを4倍以上に拡大した。 また、不足値や不平等な長さ列を含むデータセットの事前処理バージョンをリリースし、データセットの総数は147になった。 アーカイブとより広いコミュニティの成長を反映して、我々はそれをMultiverseアーカイブと改名し、ドメインの多様性を捉えました。 Multiverseアーカイブには、複数のソースからのデータセットが含まれており、他のコレクションやスタンドアロンのデータセットを単一の統合リポジトリに統合している。 完全なアーカイブ上で実験を行うことが計算的に要求されていることを認識し、最初の探索にはMultiverse-core(MV-core)と呼ばれる完全なアーカイブのサブセットを推奨する。 新しいアーカイブを利用する研究者を支援するため、確立された最新の分類アルゴリズムの詳細なガイダンスとベースライン評価を行い、今後の研究のための性能ベンチマークを確立する。 我々はMultiverseアーカイブ専用のリポジトリを作成し、再現性のための共通のaeonおよびscikit-learn互換フレームワーク、公開結果の広範な記録、そしてその結果を探索するためのインタラクティブインターフェースを提供している。

関連論文リスト

• Multi-Vector Index Compression in Any Modality [73.7330345057813]
  後期の相互作用は、テキスト、画像、ビジュアルドキュメント、ビデオにおける情報検索の主要なパラダイムとして現れてきた。 インデックス圧縮には,シーケンスリサイズ,メモリトークン,階層プール,新しいアテンション誘導クラスタリング(AGC)の4つのアプローチを導入する。 AGCは、ドキュメントの最もセマンティックな領域をクラスタセントロイドとして識別し、トークンの集合を重み付けするために注意誘導機構を使用する。
  論文  参考訳（メタデータ） (2026-02-24T18:57:33Z)
• Leveraging Collection-Wide Similarities for Unsupervised Document Structure Extraction [61.998789448260005]
  本稿では,コレクション内の文書の典型的構造を特定することを提案する。 任意のヘッダのパラフレーズを抽象化し、各トピックを各ドキュメントのロケーションにグルーピングします。 文書間の類似性を利用した教師なしグラフベース手法を開発した。
  論文  参考訳（メタデータ） (2024-02-21T16:22:21Z)
• Temporal Treasure Hunt: Content-based Time Series Retrieval System for Discovering Insights [34.1973242428317]
  時系列データは、金融、医療、製造業など、さまざまな分野にまたがっている。 Content-based Time Series Retrieval(CTSR)を実行する能力は、未知の時系列例を特定する上で重要である。 我々は,様々な領域の時系列データを含むCTSRベンチマークデータセットを提案する。
  論文  参考訳（メタデータ） (2023-11-05T04:12:13Z)
• Anchor-based Multi-view Subspace Clustering with Hierarchical Feature Descent [46.86939432189035]
  階層的特徴Descentを用いたアンカーベースマルチビューサブスペースクラスタリングを提案する。 提案手法は最先端技術より一貫して優れている。
  論文  参考訳（メタデータ） (2023-10-11T03:29:13Z)
• MMSum: A Dataset for Multimodal Summarization and Thumbnail Generation of Videos [106.06278332186106]
  マルチモーダル・アウトプット(MSMO)を用いたマルチモーダル・サマリゼーションが有望な研究方向として浮上している。 既存のパブリックMSMOデータセットには多くの制限がある。 textbfMMSumデータセットを精巧にキュレートした。
  論文  参考訳（メタデータ） (2023-06-07T07:43:11Z)
• Transfer learning for time series classification using synthetic data generation [15.73311395567215]
  時系列分類のための革新的なトランスファー学習法を提案する。 UCRアーカイブから既存のデータセットをソースデータセットとして使用する代わりに、15,000,000の単変量時系列データセットを生成しました。 また、55個の回帰タスクをソースタスクとして使用し、UCCアーカイブから分類タスクを選択するよりも優れた結果を得た。
  論文  参考訳（メタデータ） (2022-07-16T10:35:14Z)
• ArchivalQA: A Large-scale Benchmark Dataset for Open Domain Question Answering over Archival News Collections [20.07130742712862]
  本稿では,1067,056組の質問応答データセットArchivealQAを提案する。 課題の難易度と時間表現の包含に基づいて,データセットの4つの部分を作成する。
  論文  参考訳（メタデータ） (2021-09-08T05:21:51Z)
• Datasets: A Community Library for Natural Language Processing [55.48866401721244]
  データセットは、現代のNLPのためのコミュニティライブラリである。 このライブラリには650以上のユニークなデータセットが含まれており、250以上のコントリビュータを抱えており、さまざまな新しいクロスデータセット研究プロジェクトを支援している。
  論文  参考訳（メタデータ） (2021-09-07T03:59:22Z)
• A Large-Scale Multi-Document Summarization Dataset from the Wikipedia Current Events Portal [10.553314461761968]
  MDS(Multi-document summarization)は、大規模な文書コレクションの内容を短い要約に圧縮することを目的としている。 この研究は、文書クラスタの総数と個々のクラスタのサイズの両方で大きいMDS用の新しいデータセットを示す。
  論文  参考訳（メタデータ） (2020-05-20T14:33:33Z)

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。