TimeCaps：利用胶囊网络捕获时间序列数据
机器学习
2022-06-22 v4 人工智能
机器学习
摘要
胶囊网络在理解用于视觉相关任务的二维数据空间关系方面表现出色。尽管它们并非设计用于捕获一维时间关系，我们通过 TimeCaps 证明，若赋予相应能力，胶囊网络在理解时间关系方面同样出色。为此，我们沿时间和通道维度生成胶囊，创建两个学习对比关系的时间特征检测器。TimeCaps 在识别 13 类心电图（ECG）信号心跳类别上以 96.21% 的准确率超越了最先进（SOTA）结果，同时在识别 30 类短音频命令上取得了相当的结果。此外，胶囊网络固有学习的实例化参数使我们能够完全参数化一维信号，这为信号处理开辟了多种可能性。
引用
@article{arxiv.1911.11800,
title = {TimeCaps: Capturing Time Series Data With Capsule Networks},
author = {Hirunima Jayasekara and Vinoj Jayasundara and Mohamed Athif and Jathushan Rajasegaran and Sandaru Jayasekara and Suranga Seneviratne and Ranga Rodrigo},
journal= {arXiv preprint arXiv:1911.11800},
year = {2022}
}