T-WaveNet：用于基于传感器时间序列分析的树形结构小波神经网络
信号处理
2020-12-11 v1 机器学习
摘要
基于传感器的时间序列分析是活动识别与脑机接口等应用中的一项基本任务。近来，利用深度神经网络（DNNs）提取的特征被证明比传统的手工特征更有效。然而，大多数此类方案仅依赖网络来提取传感器数据中承载的与应用相关的信息。受如下事实启发——通常一小部分频率分量承载了传感器数据的主要信息——我们提出了一种用于传感器数据分析的树形结构小波神经网络，即 T-WaveNet。具体而言，借助 T-WaveNet，我们首先对传感器数据进行功率谱分析，并相应地将输入信号分解为不同频率子带。随后，我们构建树形结构网络，树上每个节点（对应一个频率子带）均由基于可逆神经网络（INN）的小波变换构建。如此，T-WaveNet 比现有基于 DNN 的技术提供了更有效的传感器信息表示，并在多个传感器数据集上取得了最先进的性能，包括用于活动识别的 UCI-HAR、用于手势识别的 OPPORTUNITY、用于意图识别的 BCICIV2a，以及用于肌肉运动识别的 NinaPro DB1。
引用
@article{arxiv.2012.05456,
title = {T-WaveNet: Tree-Structured Wavelet Neural Network for Sensor-Based Time Series Analysis},
author = {Minhao Liu and Ailing Zeng and Qiuxia Lai and Qiang Xu},
journal= {arXiv preprint arXiv:2012.05456},
year = {2020}
}