弹性变换下时间序列的广义梯度学习
机器学习
2015-06-10 v2
摘要
大多数机器学习算法假设对象表示为向量。但我们通常希望学习的对象更自然地由其他数据结构（如序列和时间序列）表示。对于这些表示，许多标准学习算法不可用。我们将基于梯度的学习算法推广到动态时间规整下的时间序列。为此，我们引入弹性函数，将时间序列上的函数扩展到矩阵空间。给出了广义梯度学习在时间序列上保持一致性的必要条件。我们指出了结果如何推广到任意弹性距离函数以及由符号元素组成的序列。具体而言，将四种线性分类器扩展到动态时间规整下的时间序列，并应用于基准数据集。结果表明，通过弹性函数的广义梯度学习有潜力补充时间序列统计模式识别中的 state-of-the-art。
引用
@article{arxiv.1502.04843,
title = {Generalized Gradient Learning on Time Series under Elastic Transformations},
author = {Brijnesh Jain},
journal= {arXiv preprint arXiv:1502.04843},
year = {2015}
}
备注
accepted for publication in Machine Learning