用于时间序列分类的深度神经网络集成
机器学习
2019-10-15 v2 机器学习
摘要
深度神经网络已经革新了计算机视觉和自然语言处理等诸多领域。受此近期成功的启发，深度学习开始在时间序列分类（TSC）上展现出有前景的结果。然而，神经网络目前仍落后于最先进的 TSC 算法，后者由 37 个基于非深度学习的分类器集成组成。我们将这一性能差距归因于缺乏用于 TSC 的神经网络集成。因此，在本文中，我们展示了在 UCR/UEA 档案（最大的公开可用时间序列分析基准）上评估时，一个由 60 个深度学习模型组成的集成如何能显著改进神经网络在 TSC 上的当前最优性能。最后，我们展示了我们提出的神经网络集成（NNE）是首个在性能上超越 COTE 并达到与当前最优集成 HIVE-COTE 相似性能的时间序列分类器。
引用
@article{arxiv.1903.06602,
title = {Deep Neural Network Ensembles for Time Series Classification},
author = {Hassan Ismail Fawaz and Germain Forestier and Jonathan Weber and Lhassane Idoumghar and Pierre-Alain Muller},
journal= {arXiv preprint arXiv:1903.06602},
year = {2019}
}
备注
Accepted at IJCNN 2019