用于时间序列分类的多变量 LSTM-FCN
机器学习
2019-07-03 v2 机器学习
摘要
在过去的十年中，多变量时间序列分类受到了极大关注。我们提出通过将已有的单变量时间序列分类模型——长短期记忆全卷积网络（LSTM-FCN）与注意力 LSTM-FCN（ALSTM-FCN）——转化为多变量时间序列分类模型，具体做法是在全卷积块中增加挤压激励块以进一步提升准确率。我们提出的模型在仅需最小预处理的情况下优于大多数最先进（SOTA）模型。所提模型在各种复杂的多变量时间序列分类任务（如活动识别或动作识别）上均高效工作。此外，所提模型在测试时效率很高，且规模足够小，可部署于内存受限的系统上。
引用
@article{arxiv.1801.04503,
title = {Multivariate LSTM-FCNs for Time Series Classification},
author = {Fazle Karim and Somshubra Majumdar and Houshang Darabi and Samuel Harford},
journal= {arXiv preprint arXiv:1801.04503},
year = {2019}
}
备注
18 pages, 2 figures, 5 tables