Difference-Guided Representation LearningNetwork for Multivariate Time-SeriesClassification(TCYB)
多变量时间序列广泛应用于医学、多媒体、制造业、动作识别、语音识别等领域。MTS的准确分类已成为一个重要的研究课题。传统的MTS分类方法没有对时间序列的时间差异信息进行显式建模,而时间差异信息实际上是重要的,反映了动态演化信息。本文提出了差分引导表示学习网络(DGRL-Net),利用动态演化信息指导时间序列的表示学习。DGRL-Net由差分引导层和多尺度卷积层组成。首先,在差分引导层,我们提出了一个差分门控LSTM来建模时间依赖性和动态演化的时间序列,以获得原始序列和差分序列的特征表示。然后,将这两个表示作为多尺度卷积层的两个输入通道,提取多尺度信息。大量的实验表明,该模型在18个MTS基准数据集上的性能优于最新的方法,并在两个基于骨骼的动作识别数据集上取得了具有竞争力的结果。通过烧蚀实验和可视化分析验证了该模型的有效性。
背景:
现有的MTS分类方法没有明确地对时间序列的时间差异信息进行建模,而时间差异信息反映了时间序列的动态演化信息,对时间序列的表示学习起着重要的作用。具有较大时间差异的序列段可以提供丰富的信息
DGRL-Net由差分引导层和多尺度卷积层组成。首先,在差分引导层,我们提出差分门控LSTM对输入时间序列的时间依赖性和动态演化进行建模,获得原始序列特征表示和差分特征表示。然后,在多尺度卷积层中,这两种表示可以看作是多尺度CNN的两个输入通道,从MTS中提取有鉴别性的多尺度信息,便于分类。最后,利用带有softmax激活函数的全连通层来获得预测的表示。
Difference-Guided Layer
在差分引导层,在传统LSTM的基础上,提出了一种差分门控LSTM,利用输入时间序列的动态演化信息来引导LSTM的门控机制和时间序列的表示学习。
传统LSTM的存储单元被扩展为两个模块:1)差异信息模块(图中绿色部分)和2)原始信息模块(图中蓝色部分)。
在差分信息模块中,利用时间序列的差分和LSTM的更新方程来计算差分特征表示
Multiscale Convolutional Layer
在多尺度卷积层中,采用原始序列特征表示和差分特征表示作为多尺度CNN的两个输入通道,提取多尺度特征。
Difference-Guided Representation LearningNetwork for Multivariate Time-SeriesClassification(TCYB)相关推荐
- Efficient and Robust 2D-to-BEV Representation Learning via Geometry-guided Kernel Transformer(GKT)论文
Efficient and Robust 2D-to-BEV Representation Learning via Geometry-guided Kernel Transformer 论文笔记 原 ...
- 《AHNG: Representation learning on attributed heterogeneous network(2019-Elsevier)》
前言 私以为这篇论文核心的地方没写清楚,也可能是我学识浅薄. 这篇论文讲的是对图做 embedding,类似于语言模型中的word2vec. Abstract Network Embedding 的目 ...
- 解耦表征与分类器:DECOUPLING REPRESENTATION AND CLASSIFIER FOR LONG-TAILED RECOGNITION(ICLR2020)
简介 论文出自ICLR2020,新加坡国立大学和 Facebook AI联合著作. 代码:https://github.com/facebookresearch/classifier-balancin ...
- Triple-shapelet Networks for Time SeriesClassification(ICDM2020)
Shapelets是时间序列分类的判别子序列.尽管基于形状的方法已经取得了良好的性能和可解释性,但它们仍然有两个问题需要改进.首先,以前的方法只是通过对所有样本进行分类的准确性来评估一个shapele ...
- A Transformer-based Framework for Multivariate Time Series Representation Learning(KDD2022)
A Transformer-based Framework for Multivariate Time Series Representation Learning(KDD2022) 提出了一种基于t ...
- Unsupervised Scalable Representation Learning for Multivariate Time Series
Unsupervised Scalable Representation Learning for Multivariate Time Series 时间序列对机器学习算法来说是一种具有挑战性的数据类 ...
- 对比学习系列论文MoCo v1(二):Momentum Contrast for Unsupervised Visual Representation Learning
0.Abstract 0.1逐句翻译 We present Momentum Contrast (MoCo) for unsupervised visual representation learni ...
- 论文阅读课1-Attention Guided Graph Convolutional Networks for Relation Extraction(关系抽取,图卷积,ACL2019,n元)
文章目录 abstract 1.introduction 1.1 dense connection+GCN 1.2 效果突出 1.3 contribution 2.Attention Guided G ...
- 目标检测论文阅读:Multi-scale Location-aware Kernel Representation for Object Detection(CVPR2018)
Multi-scale Location-aware Kernel Representation for Object Detection 论文链接:https://arxiv.org/abs/180 ...
- VALSE学习(一):high-resolution representation learning-高分辨率表示学习-姿态估计
VALSE2019会议 一.相关概念 表示学习 :又称学习表示.在深度学习领域内,表示是指通过模型的参数,采用何种形式.何种方式来表示模型的输入观测样本X.表示学习指学习对观测样本X有效的表示. 表示 ...
最新文章
- ajax跨域原理以及解决方案
- Redhat7.3、Oracle12C、4节点环境搭建
- Java一行代码打印当前系统时间
- TCP与UDP网络编程总结(一)
- 计算机能自动写程序,忘掉编程语言吧,微软想让计算机自动生成程序 | 一周 AI 新闻...
- JavaScript ES6对Proxy的原生支持的一个例子:开发人员学习额外的编程语言
- 将自定义功能添加到Spring数据存储库
- 02 socketserver客户端
- 前端学习(2457):文章发布
- LeetCode 740. 删除与获得点数(排序+动态规划)
- ArrayList和LinkedList类的用法及区别
- 实测解决:在此系统上禁止运行脚本。有关详细信息,请参阅 httpsgo.microsoft.comfwlinkLinkID=135170 中的 about_Execution_Policies。
- 微信开发之(四)获取关注后的图文推送信息
- LANMP架构----------------------mysql(2)
- 后台第三方编辑器接入秀米编辑器整体流程
- win10浏览器闪退_win10自带浏览器闪退解决方法
- matlab怎么查看工具箱,MATLAB怎么调出工具箱 神经网络matlab工具箱
- 不可不知的P2P(Peer-To-Peer)
- JAVA解析Excel工具EasyExcel(alibaba)
- 国外打工人分享如何如何通过销售excel电子表格赚到 28 万美元
热门文章
- 数据投毒攻防对抗技术-1.数据投毒简介
- WPS网盘怎么显示在我的电脑里?
- 解决QQ语音通话后耳机失效的问题
- 掷骰子python代码_Python之使用Pygal模拟掷骰子
- [RK3288][Android6.0] 调试笔记 --- 系统第一次开机进入Recovery模式原因
- 还没收到win11系统的推送?教你这样可以直接升级win11
- OpenCv识别多条形码
- 什么是敏感信息检测,敏感信息检测,安全视图 | 云效
- Stm32F4XX开启FPU浮点运算
- java guardedby_JAVA多线程(五)模式-Guarded Suspension