使用深度神经网络从头进行时间序列分类：一个强基线
机器学习
2016-12-15 v4 神经与进化计算
机器学习
摘要
我们提出了一个简单但强大的基线，用于使用深度神经网络从头进行时间序列分类。我们提出的基线模型是纯端到端的，无需对原始数据进行任何繁重的预处理或特征工程。所提出的全卷积网络（FCN）相比其他最先进方法取得了卓越性能，而我们使用 ResNet 结构对极深神经网络的探索也具有竞争力。我们卷积模型中的全局平均池化使得能够利用类别激活图（CAM）找出原始数据中对特定标签有贡献的区域。我们的模型为实际应用提供了一个简单的选择，并为未来研究提供了一个良好的起点。我们提供了整体分析，以讨论我们模型的泛化能力、学到的特征、网络结构以及分类语义。
引用
@article{arxiv.1611.06455,
title = {Time Series Classification from Scratch with Deep Neural Networks: A Strong Baseline},
author = {Zhiguang Wang and Weizhong Yan and Tim Oates},
journal= {arXiv preprint arXiv:1611.06455},
year = {2016}
}