用于时间序列分类与外源回归的深度学习：一项当前综述
机器学习
2023-12-21 v2 人工智能
计算机视觉与模式识别
摘要
时间序列分类和外源回归是重要且具有挑战性的机器学习任务。深度学习已经彻底改变了自然语言处理和计算机视觉，并在时间序列分析等其他领域展现出巨大潜力，在这些领域中，相关特征通常必须从原始数据中抽象出来，但事先并不为人所知。本文综述了快速发展的深度学习用于时间序列分类和外源回归领域的最新研究进展。我们回顾了用于这些任务的不同网络架构和训练方法，并讨论了将深度学习应用于时间序列数据时的挑战与机遇。我们还总结了时间序列分类和外源回归的两个关键应用：人类活动识别和卫星对地观测。
引用
@article{arxiv.2302.02515,
title = {Deep Learning for Time Series Classification and Extrinsic Regression: A Current Survey},
author = {Navid Mohammadi Foumani and Lynn Miller and Chang Wei Tan and Geoffrey I. Webb and Germain Forestier and Mahsa Salehi},
journal= {arXiv preprint arXiv:2302.02515},
year = {2023}
}