基于合成数据生成的时序分类迁移学习
机器学习
2022-07-19 v1
摘要
本文提出一种创新的时序分类迁移学习方法。与以往使用UCR档案中现有数据集作为源数据集不同，我们生成了一个包含15,000,000条合成单变量时间序列的数据集，该数据集由我们独特的合成时间序列生成器算法创建，能够生成具有多样模式与角度以及不同序列长度的数据。此外，不同于先前研究使用UCR档案提供的分类任务作为源任务，我们使用自有的55个回归任务作为源任务，其产生的效果优于从UCR档案中选取分类任务。
引用
@article{arxiv.2207.07897,
title = {Transfer learning for time series classification using synthetic data generation},
author = {Yarden Rotem and Nathaniel Shimoni and Lior Rokach and Bracha Shapira},
journal= {arXiv preprint arXiv:2207.07897},
year = {2022}
}
备注
This preprint has not undergone peer review or any post-submission im- provement or corrections. The Version of Record of this contribution is published in LNCS 13301, CSCML 2022, and is available online at https://link.springer.com/chapter/10.1007/978-3-031-07689-3 18