多元时间序列分类：一种深度学习方法
机器学习
2023-07-06 v1
摘要
本文研究时间序列分类领域中适用的不同方法与多种神经网络架构。数据来自一组气体传感器，其测量并跟踪氧气与声音等物理量。借助该数据可检测特定环境中的占用等事件。首先，我们分析时间序列数据以理解序列长度等参数在训练模型时的影响。这些模型采用全卷积网络(FCN)与长短期记忆(LSTM)进行监督学习，并采用循环自编码器进行半监督学习。本研究全程基于精确率与召回率等指标辨析这些方法间的差异，以确定最契合该问题的技术。
引用
@article{arxiv.2307.02253,
title = {Multivariate Time Series Classification: A Deep Learning Approach},
author = {Mohamed Abouelnaga and Julien Vitay and Aida Farahani},
journal= {arXiv preprint arXiv:2307.02253},
year = {2023}
}