RTFN：鲁棒时序特征网络
机器学习
2021-01-01 v2 机器学习
摘要
时间序列分析在诸多应用中起着至关重要的作用，例如医疗健康、天气预测、灾害预报等。然而，通过特征网络获取充分的 shapelet 仍具挑战性。为此，我们提出一种新颖的鲁棒时序特征网络（RTFN），其包含时序特征网络与带注意力机制的 LSTM 网络。时序特征网络用于从输入数据中提取基础特征，而带注意力机制的 LSTM 网络旨在捕捉复杂的 shapelet 与关系以丰富特征。在实验中，我们分别将 RTFN 作为特征提取网络嵌入监督结构，以及作为编码器嵌入无监督聚类。结果表明，基于 RTFN 的监督结构在 85 个数据集中于 40 个上胜出，且基于 RTFN 的无监督聚类在 UCR2018 档案的 11 个数据集中于 4 个上表现最佳。
引用
@article{arxiv.2008.07707,
title = {RTFN: Robust Temporal Feature Network},
author = {Zhiwen Xiao and Xin Xu and Huanlai Xing and Juan Chen},
journal= {arXiv preprint arXiv:2008.07707},
year = {2021}
}
备注
10pages, 6 figures