用于多序列比对的时间扭曲神经网络
机器学习
2020-06-30 v1 机器学习
摘要
多序列比对(MSA)是时间序列分析中的一项传统且具挑战性的任务。MSA问题被表述为离散优化问题，通常借助动态规划求解。然而，计算复杂度随输入序列数量呈指数增长。本文提出神经时间扭曲(NTW)，将原始MSA松弛为连续优化并用神经网络求得比对。在温和条件下，NTW所得解保证是原始离散优化问题的一个可行解。实验结果表明，NTW成功比对上百条时间序列，并显著优于现有MSA求解方法。此外，我们展示了一种作为NTW应用之一的平均时间序列数据获取方法。与现有重心相比，均值时间序列数据保留了输入时间序列数据的特征。
引用
@article{arxiv.2006.15753,
title = {Neural Time Warping For Multiple Sequence Alignment},
author = {Keisuke Kawano and Takuro Kutsuna and Satoshi Koide},
journal= {arXiv preprint arXiv:2006.15753},
year = {2020}
}
备注
11 pages, 5figures, ICASSP 2020