HDC-MiniROCKET：利用超维计算在时间序列分类中进行显式时间编码
机器学习
2022-02-17 v1 人工智能
摘要
时间序列数据的分类是许多应用领域的一项重要任务。就准确率与计算时间而言，现有最佳方法之一是MiniROCKET。在本工作中，我们扩展该方法，利用超维计算（HDC）机制提供更好的全局时间编码。HDC（亦称向量符号架构，VSA）是一种在高维向量中显式表示与处理信息的通用方法。它此前已成功与深度神经网络及其他信号处理算法结合使用。我们认为，MiniROCKET的内部高维表示非常适合由HDC的代数结构加以补充。这导出了更一般的表述HDC-MiniROCKET，其中原算法仅为其特例。我们将讨论并证明，HDC-MiniROCKET能系统性地克服MiniROCKET在简单合成数据集上的灾难性失败。这些结果在UCR时间序列分类基准的128个数据集上的实验中得到确认。HDC的扩展可在不增加推理计算开销的情况下，在具有高时间依赖性的数据集上取得明显更优的结果。
引用
@article{arxiv.2202.08055,
title = {HDC-MiniROCKET: Explicit Time Encoding in Time Series Classification with Hyperdimensional Computing},
author = {Kenny Schlegel and Peer Neubert and Peter Protzel},
journal= {arXiv preprint arXiv:2202.08055},
year = {2022}
}