LETS-GZSL：一种用于时间序列广义零样本学习的潜在嵌入模型
人工智能
2022-07-26 v1 机器学习
摘要
深度学习近期的进展之一是广义零样本学习（GZSL），其目标是在仅提供可见类别的带标签样本的情况下，识别来自可见与不可见类别的对象。过去几年中，GZSL 受到关注，并已提出若干模型来解决该问题。尽管在计算机视觉与自然语言处理等领域已开展大量 GZSL 研究，但尚未有研究用于处理时间序列数据。GZSL 可用于从 ECG 与 EEG 数据中检测异常，以及从传感器、光谱仪等设备的识别不可见类别等应用。为此，我们提出了一种用于时间序列的潜在嵌入模型——GZSL（LETS-GZSL），可解决时间序列分类（TSC）中的 GZSL 问题。我们采用基于嵌入的方法，并将其与属性向量结合以预测最终类别标签。我们在广泛使用的 UCR 档案数据集上报告了结果。除不可见类别数大于 3 或数据量极低（少于 100 个训练样本）的情况外，我们的框架在大多数数据集上能达到至少 55% 的调和平均值。
引用
@article{arxiv.2207.12007,
title = {LETS-GZSL: A Latent Embedding Model for Time Series Generalized Zero Shot Learning},
author = {Sathvik Bhaskarpandit and Priyanka Gupta and Manik Gupta},
journal= {arXiv preprint arXiv:2207.12007},
year = {2022}
}
备注
9 pages, 5 figures, 6 tables. Accepted at the IJCAI 2022 workshop on Artificial Intelligence for Time Series (AI4TS)