Multivariate LSTM-FCNs for Time Series Classification 论文理解

已于 2022-04-29 17:52:50 修改
阅读量702 收藏 1
点赞数
分类专栏： 经验积累 文章标签： 人工智能
于 2022-04-22 20:51:45 首次发布
版权所有 彭祥 未经允许，禁止转载
本文链接：https://blog.csdn.net/pengxiang1998/article/details/124336672
版权

基础知识

Q1：什么是时间序列？
**A1：**时间序列是一组按时间顺序的数字序列，它既具有延续性又具有随机性
**Q2：**时间序列分为哪几类？
A1：分为单变量、多变量、单步、多步。简单的说就是：一个时间序列预测后面的单步或者多步、多个时间序列预测后面的单步或者多步。如下图，是一个多变量多步长的时间序列分类的大致过程：
在这里插入图片描述

原模型：

FCN全卷积神经网络
在这里插入图片描述
这个模型是最开始的模型

数据集

使用测试集为Adiac
自动硅藻识别和分类（ADIAC）项目是一项关于根据图像自动识别硅藻（单细胞藻类）的试点研究。 该数据由该项目的博士生Andrei Jalba捐赠，该项目于21世纪初完成。 从阈值图像中提取轮廓。 据推测，时间序列是作为到参考点的距离而生成的。

训练集样本个数：390
测试集样本个数：391
分类种类：39
时间序列长度：176

数据预处理

在数据预处理中，常常需要归一化：
在这里插入图片描述

本项目中采用的是:
在这里插入图片描述

数据归一化参考

在这里插入图片描述
在这里插入图片描述

在这里插入代码片

训练结果
在这里插入图片描述

在这里插入图片描述

彭祥.
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Multivariate-Time-Series-Classification:该项目实现了使用形状挖掘方法对从传感器生成的多元时间序列数据进行分类的代码
05-19
时间序列分类 该项目实现了使用形状挖掘方法对从传感器生成的多元时间序列数据进行分类的代码。 该代码扩展了快速Shapelet发现Shapelet提取算法，以从多元时间序列数据中提取Shapelets，并使用提取的Shapelets对时间序列进行分类，从而建立决策树分类器。 先决条件 您需要在计算机上正确安装以下物品。 Python库 安装库-熊猫，Ctypes，CSV，操作系统，随机 安装 git clone <repository>此存储库 cd TimeSeriesClassification 运行/开发 使用训练和测试文件路径从脚本“ data-processing-list.py”更新“ train_file_path”，“ test_file_path”变量。 运行以下命令以预处理数据。 python data-processing-list.py 使用train，t
Multivariate LSTM-FCNs for Time Series Classification论文学习
WHITElg的博客
09-28 7260
时间序列分类是2019年的文章，文章链接：https://arxiv.org/abs/1801.04503 Q1：什么是时间序列？ A1：时间序列是一组按时间顺序的数字序列，它既具有延续性又具有随机性 Q2：时间序列分为哪几类？ A1：详情参考博客https://blog.csdn.net/kylin_learn/article/details/85135900分为单变量、多变量、单步、...
Multivariate LSTM-FCNs for Time Series Classification 论文学习记录
pengxiang1998的博客
09-20 1389
在过去的几十年里，多变量时间序列分类问题引起了广泛的关注。我们提出转换现存的单变量时间序列分类模型：长短期记忆全卷积神经网络和注意力LSTM-FCN，转换为多变量时间序列分类模型通过应用挤压-激励块到FCN中去提升准确性。我们提出的模型表现优于最先进的模型，同时需要最少的预处理。这提出的模型在各种复杂的多变量时间上有效工作实现分类任务，如活动识别或操作认可。此外，所提出的模型在测试时十分高效，并且足够小，可以在内存受限的系统上部署。
TapNet: Multivariate Time SeriesClassification with Attentional Prototypical Network（AAAI2020）
小蚂蚁与大象
06-25 2027
随着传感器技术的发展，多元时间序列分类(MTSC)问题是时间序列数据挖掘领域中最重要的问题之一，近几十年来一直受到人们的关注。传统的基于Bag-of-Patterns或time series Shapelet的时间序列分类方法难以处理高维多元数据中产生的大量候选特征，但即使在训练集很小的情况下，仍具有良好的分类性能。相比之下，基于深度学习的方法可以有效地学习低维特征，但缺乏标记数据。在本文中，我们提出了一种新的MTSC模型，该模型带有注意力原型网络，同时吸收了传统方法和基于深度学习的方法的优点。具体而言，我
ShapeNet: A Shapelet-Neural Network Approach forMultivariate Time Series Classification（AAAI2021）
小蚂蚁与大象
06-25 1614
时间序列shapelets是一种具有短分辨性的子序列，近年来被发现在单变量时间序列的分类问题中不仅具有精确性，而且具有可解释性。然而，现有的关于shapelets选择的研究还不能应用于多变量时间序列分类(MTSC)，因为MTSC的候选shapelets可能来自不同长度的变量，因此无法直接进行比较。为了解决这一问题，本文提出了一种新的ShapeNet模型，该模型将不同长度的shapelet候选者嵌入到一个统一的空间中进行shapelet选择。该网络采用聚类三组损失训练，考虑锚点与多个正(负)样本之间的距离和正
LSTM-based Stacked Autoencoder for Multivariate time Series forecasting.pdf
03-31
Unsupervised pre-training of a Deep LSTM-based Stacked Autoencoder for Multivariate time Series forecasting problems Alaa Sagheer
time-series-autoencoder:Pytorch双注意LSTM自动编码器，用于多元时间序列预测
05-01
注重多元时间序列的LSTM自动编码器 该存储库包含用于多变量时间序列预测的自动编码器。 它具有描述的两种注意力机制，并且受启发。下载和依赖项要克隆存储库，请运行： git clone ...
Multivariate Modelling of Non-Stationary Economic Time Series
11-20
这是关于多元变量建模的电子书，高清，最新版本，经典著作，英文版
MLSTM-FCN：用于时间序列分类的多元LSTM全卷积网络
02-06
用于时间序列分类的多元LSTM-FCN MLSTM FCN模型（来自 FCN）使用最新的单变量时间序列模型（来自的最新的单变量时间序列模型，LSTM-FCN和ALSTM-FCN来增强挤压和激励块。 对于LSTM-FCN和ALSTM-FCN模型的代码可以在...
Difference-Guided Representation LearningNetwork for Multivariate Time-SeriesClassification（TCYB）
小蚂蚁与大象
06-26 241
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
时间序列分类总结（time-series classification）
藏晖的博客
02-11 6万+
时间序列分类总结（time-series classification）一、传统方法（需要手工设计）1、DTW（dynamic time warping）& KNN2、基于特征的方法二、深度学习1、MLP、FCN、ResNet2、LSTM_FCN、BiGRU-CNN3、MC-CNN（multi-channel CNN）、MCNN(multi-scale CNN)参考文献  &nb...
关闭FCNs（文件修改监控）
weixin_34278190的博客
03-12 97
也许你知道，修改站点的某些特定文件和目录会导致整个站点重启或者重新编译。也许你不注意，你不会知道删除或重命名站点下的任意目录，会导致整个站 点重启（添加目录并不会）。这个问题其实是很多Session丢失的根源，比如《关于 ASP.NET 2.0的目录结构变化导致Session丢失的问题》，同样你还可以找到很多这样的例子。 这个其实是 ASP.NET 2.0的一个“精心”设计，因为在很多情况下。A...
MULTIVARIATE GAUSSIAN DISTRIBUTION
MathsXDC的专栏
05-24 1231
Multivariate Gaussian Distribution Ethara This work will present a linear transformation interpretation on the multivariate Gaussian distribution. The entire derivation is originated from univariate
【时间序列预测/分类】45篇由浅入深的博文汇总（原理+论文+实战）
lizz2276的博客
10-18 7479
前言 ⏱最一段时间都在学习时间序列预测和时间序列分类相关的知识，一开始拿到任务感觉无从下手，论文看不懂，代码不会写。经过近三个月的摸索，也算是入门的小白了，这篇博文算是个人经过踩坑，去粗取精之后的经验总结。通过4篇博客、9篇论文、32篇实战教程，梳理出了一套系统化的时间序列预测和时间序列分类任务的入门指南。文中提及的博客论文和教程全部内容字数大约在50万字到100万字之间。既是对这段时间所学知识的梳理总结，也希望给有需要的同学提供帮助。水平有限，如有问题欢迎指出，谢谢。 ????【适合人群】： 没有时
Paper list of Imbalanced Time-series Classification with Deep Learning
Soldier_GY的博客
11-02 1460
把前段时间看的文献整理了一下，主要是关于利用深度学习，时间序列，不平衡分类的相关研究工作
原理+论文+实战：60篇由浅入深的时间序列预测/分类教程汇总
热门推荐
人生是要不断做减法
04-17 11万+
本文通过论文、实战教程等几十篇篇博文，梳理总结了一套系统化的时间序列预测和时间序列分类任务的入门指南。文中提及的博客、论文和教程全部内容的总字数大约在50万字到100万字之间。
人工智能干货推荐[第1期][01MLDL]
NLP工程化
05-31 701
【公众号简介】人工智能干货推荐公众号，专注于大数据和人工智能领域的干货推荐，主要包括机器学习、深度学习、强化学习、自然语言处理、语音技术、计算机视觉和大数据等几个部分。 1.贝叶斯机器学习前沿进展 链接：[https://mp.weixin.qq.com/s/UpZBMxYCYpg73-_UlJbuXw?scene=25#wechat_redirect] 2.深度学习探险：最新深度学习文献、框...
基于深度学习的时间序列分类[含代码]
格拉迪沃的博客
03-12 2万+
基于深度学习的时间序列分类引言数据集实验环境搭建实验设计实验代码实验结果 引言 目前，深度学习在计算机视觉和语音识别上有了非常广泛的应用，但是在工业应用方面还没有完善的体系，一方面缺乏数据集另一方缺乏优秀的顶级论文。在工业上的故障诊断领域，大多数据都来自于传感器的采集，如是西储大学轴承数据，TE化工数据集等，都是典型的时间序列，因而绝大多数问题可以抽象成时间序列分类（TSC）问题。因此本人准备从时...
Crossformer: Transformer Utilizing Cross-Dimension Dependency for Multivariate Time Series、
最新发布
07-27
这篇论文填补了多元时间序列预测中变量关系建模的空白，并在ICLR2023中被提出。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* *3* [【ICLR 2023】 CrossFormer增强多元时间序列建模能力]...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

彭祥.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值