LSTM全卷积网络在时间序列分类中如何处理长尾词的识别与分类？

本文共计714个文字，预计阅读时间需要3分钟。

本文探讨了针对时间序列分类问题的LSTM全卷积网络，深入解析了LSTM在处理此类任务中的优势与挑战。

www.toutiao.com/a6674883188617118220/

 

对时间序列分类的LSTM全卷积网络的见解

题目

Insights into LSTM Fully Convolutional Networks for Time Series Classification

作者

Fazle Karim, Somshubra Majumdar, Houshang Darabi

来源

Accepted at IJCNN 2019

Machine Learning (cs.LG)

Submitted on 27 Feb 2019

文档链接

arXiv:1902.10756

代码链接

github.com/titu1994/LSTM-FCN

摘要

长期、短期记忆全卷积神经网络(LSTM-FCN)和注意力LSTM-FCN (ALSTM-FCN)在旧的加州大学河滨分校(UCR)时间序列存储库中对时间序列信号进行分类的任务中表现出了最先进的性能。然而对于LSTM-FCN和ALSTM-FCN为何表现良好目前还没有研究。在本文中我们对LSTM-FCN和ALSTM-FCN进行了一系列烧蚀试验(3627个实验)以便更好地理解模型及其各个子模块。对ALSTM-FCN和LSTM-FCN的烧蚀试验结果表明联合使用时这两种材料的烧蚀效果较好。使用Wilcoxson符号秩检验比较了两种z归一化技术即单独对每个样本进行z归一化和对整个数据集进行z归一化以显示性能上的统计差异。