使用膨胀卷积神经网络的多变量时间序列分类
机器学习
2019-05-07 v1 机器学习
摘要
多变量时间序列分类是机器学习界中高价值且著名的问题。特征提取是分类任务中的主要步骤。传统方法采用手工特征进行分类，而卷积神经网络（CNN）能够自动提取特征。本文中，我们使用膨胀卷积神经网络进行多变量时间序列分类。为部署膨胀CNN，将多变量时间序列转换为类图像形式，并应用膨胀与步幅卷积栈来同时提取时间序列中变量内部及变量之间的特征。我们在两个人类活动识别时间序列上评估我们的模型，发现为时间序列自动提取的特征可对手工特征同样有效。
引用
@article{arxiv.1905.01697,
title = {Multivariate Time Series Classification using Dilated Convolutional Neural Network},
author = {Omolbanin Yazdanbakhsh and Scott Dick},
journal= {arXiv preprint arXiv:1905.01697},
year = {2019}
}