基于双注意力网络的多变量时间序列分类
机器学习
2023-08-29 v1
摘要
多变量时间序列分类是机器学习中日益重要的研究方向之一。现有技术集中于识别局部重要序列片段或建立全局长程依赖关系，但往往忽略了全局与局部特征的融合数据。本研究利用双注意力探索一种新颖的网络（DA-Net），以提取多变量时间序列分类的局部与全局特征。DA-Net由两个不同的层组成：压缩激励窗口注意力（SEWA）层与窗口内稀疏自注意力（SSAW）层。基于这两个扩展层，DA-Net能够挖掘建立全局长程依赖所必需的局部重要序列片段。
引用
@article{arxiv.2308.13968,
title = {Multivariate time series classification with dual attention network},
author = {Mojtaba A. Farahani and Tara Eslaminokandeh},
journal= {arXiv preprint arXiv:2308.13968},
year = {2023}
}