时间序列中的事件检测：通用深度学习方法
机器学习
2024-09-16 v3 机器学习
摘要
时间序列中的事件检测是一项具有挑战性的任务，原因在于不平衡数据集、罕见事件以及由时间间隔定义的事件十分普遍。传统监督深度学习方法主要采用二分类，为每个时间步分配指示事件存在与否的二值标签。然而，这些方法难以有效处理这些特定场景。为克服这些局限，我们提出一种新颖的基于监督回归的深度学习方法，相较基于分类的方法具有若干优势。我们的方法参数数量有限，能在统一框架内有效处理各类事件，包括罕见事件与不平衡数据集。我们提供了其通用性与精确性的理论依据，并展示了其在多个领域的优越性能，尤其是对罕见事件与不平衡数据集。
引用
@article{arxiv.2311.15654,
title = {Event Detection in Time Series: Universal Deep Learning Approach},
author = {Menouar Azib and Benjamin Renard and Philippe Garnier and Vincent Génot and Nicolas André},
journal= {arXiv preprint arXiv:2311.15654},
year = {2024}
}