基于深度学习的时间序列分类综述代码运行步骤（Deep-learning-for-time-series-classification-a-review）

最新推荐文章于 2024-06-02 13:09:42 发布
最新推荐文章于 2024-06-02 13:09:42 发布
阅读量2.5k 收藏 29
点赞数 2
分类专栏： tensorflow 时间序列分类 深度学习代码 文章标签： python tensorflow 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tcytcy668/article/details/106721532
版权
  1. 准备工作

（1）github上下载代码，网址是：https://github.com/hfawaz/dl-4-tsc
（2）pycharm导入下载好的代码，十分简单，结果如下图。其中readme文件必读，里面有关于代码的信息，以及实验的结果表格。
在这里插入图片描述注意事项：
（1）代码中的文件位置设置自行完成（根据你数据集的位置设置）
（2）代码中使用的时间序列数据集：
单变量：http://timeseriesclassification.com/TSC.zip
多变量：http://www.mustafabaydogan.com/files/viewcategory/20-data-sets.html
（3）readme文件中介绍指令输入时用的开头是python3,我的电脑不行，我就改成python了
readme文件里也有链接，所以这个文件一定要读一下。

  1. 运行代码

主代码肯定在main.py里，但是直接运行main.py是不行的，我们需要控制台输入指令进行运行代码。根据main.py中的那个长长的if else代码（主要是识别不同指令的判断）,我们将介绍几种运行的输入指令。

（1）处理数据集的指令&

最低0.47元/天 解锁文章
哥兜兜有棉花糖
关注
  • 2
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
专栏目录
适用于MATLAB的几个多变量时序数据集
01-02
MATLAB格式的几个常用多变量时序数据集，可以用于分类或者聚类研究。包括ArabicDigits、AUSLAN、CharacterTrajectories、CMUsubject16、ECG、JapaneseVowels、KickvsPunch、Libras、NetFlow、UWave、Wafer、WalkvsRun。数据集来自Mustafa Gokce Baydogan. Multivariate Time Series Classification Datasets.
Deep learning for time series classification a review.pdf
03-29
Time Series Classification (TSC) is an important and challenging problem in data mining. With the increase of time series data availability, hundreds of TSC algorithms have been proposed. Among these methods, only a few have considered Deep Neural Networks (DNNs) to perform this task. This is surprising as deep learning has seen very successful applications in the last years. DNNs have indeed revolutionized the field of computer vision especially with the advent of novel deeper architectures such as Residual and Convolutional Neural Networks. Apart from images, sequential data such as text and audio can also be processed with DNNs to reach state of the art performance for document classification and speech recognition. In this article, we study the current state of the art performance of deep learning algorithms for TSC by presenting an empirical study of the most recent DNN architectures for TSC. We give an overview of the most successful deep learning applications in various time series domains under a unified taxonomy of DNNs for TSC. We also provide an open source deep learning framework to the TSC community where we implemented each of the compared approaches and evaluated them on a univariate TSC benchmark (the UCR archive) and 12 multivariate time series datasets. By training 8,730 deep learning models on 97 time series datasets, we propose the most exhaustive study of DNNs for TSC to date.
时间序列分类研究综述
最新发布
2401_84052685的博客
06-02 1415
时间序列分类(TimeSeriesClassification,TSC)是时间序列分析中的关键任务之一。TSC旨在构建一个机器学习模型，用于预测连续有序的实值观测序列的类别标签。InceptionTime是很优秀的时间序列分类集成深度卷积神经网络，2020年的论文，有一些定义下面是两个公开的时间序列数据集，UCR是单变量时间序列数据集，UEA是多变量时间序列数据集使用的模型有卷积神经网络，循环神经网络，注意力机制。
《Deep learning for time series classification a review》基于深度学习的时间序列分类综述
yanghe4405的博客
07-10 376
TSC目前最先进的DNN是什么？当前的DNN方法是否达到TSC的最先进性能并且不如HIVECOTE复杂？哪种类型的DNN架构最适合TSC任务？随机初始化如何影响深度学习分类器的性能？最后：是否可以避免DNN的黑盒效应以提供可解释性？我们的实验表明，不仅DNN能够明显优于NN-DTW，而且 使用深度残差网络架构也能够获得与COTE和HIVE-COTE没有显着差异的结果（He等，2016;Wang等，2017b）。最后，我们分析了差的随机初始化如何对DNN的性能产生重大影响。
笔记：Deep learning for time series classification: a review
DaZheng121的博客
05-08 312
ResNet is relatively better.
《Deep learning for time series classification a review》笔记
weixin_40818267的博客
10-17 6433
《Deep learning for time series classification: a review》 1. 摘要 ​时间序列分类（TSC）是数据挖掘中一个重要且具有挑战性的问题。随着时间序列数据可用性的增加，已经提出了数百种TSC算法。在这些方法中，只有少数人考虑过深度神经网络（DNN）来执行这项任务。在本文中，我们简介TSC最新DNN架构，研究了TSC深度学习算法的当前最新性能。在此...
【论文阅读笔记】Deep learning for time series classification: a review
qq_44653420的博客
11-20 957
【论文阅读笔记】Deep learning for time series classification: a review
deep-learning-for-image-processing:用于图像处理的深度学习，包括分类和对象检测等
03-06
深度学习在图像处理中的应用教程前言本教程是对本人研究生期间的研究内容进行整理总结，总结的同时也希望能够帮助更多的小伙伴。本教程会以视频的方式进行分享，教学流程如下： 1）介绍网络的结构与创新点2）使用...
Audio-Classification-using-Deep-Learning:使用深度学习对10种不同的声音类别进行分类
04-30
音频分类使用深度学习 使用深度学习对10种不同的城市声音进行分类。 可以从以下链接下载音频文件： : 重要说明：文件夹应按以下方式排列： 火车标签目录：sounds / labels / train.csv 测试标签的目录：sounds /...
deep-learning-for-signal-white-paper.pdf
08-15
Deep learning networks have been used for image classification for many years, but they are powerful tools for signal data as well. A deep learning network can do everything a mathematical model can ...
Paper reading (十五)：Deep Learning for Time-Series Analysis
wxw060709的专栏
09-26 875
论文题目：Deep Learning for Time-Series Analysis scholar 引用：87 页数：13 发表时间：2017.01 发表刊物：Computer Science 作者：John Gamboa 摘要：Keywords: Artificial Neural Network, Deep Learning, Time-Series In many real...
基于深度学习时间序列分类研究综述[论文阅读]
热门推荐
格拉迪沃的博客
03-15 2万+
时间序列分类研究简介核心论文写在前面的话原文概述摘要1引言2背景2.1时间序列分类2.2基于深度学习的时间序列分类2.3生成性或判别性方法生成模型判别模型3方法3.1为什么判别的端到端方法？3.2方法比较完全卷积神经网络残差网络编码器多尺度卷积神经网络Time Le-Net多通道深度卷积神经网络时间卷积神经网络 核心论文 《Deep learning for time series classif...
《Learnable Dynamic Temporal Pooling for Time Series Classification》论文解读
qq_39064418的博客
10-25 609
开一个新栏，主要是记录一下本人读过的论文总结 本篇文章是这个新栏的第一篇，是AAAI2021顶级会议中一篇关于时间序列分类中卷积神经网络(CNN)池化层的一种优化方法。
Deep learning review（算是一个读综述的笔记？）
qq_33598225的博客
06-08 581
其实是我跟着上的深度之眼一个课程的笔记啦。这是第一周的课程 深度学习方法是具有多层表示的表示学习方法，通过组合简单但非线性的模块来获得，每个模块将一个级别的表示(从原始输入开始)转换为一个更高、更抽象的表示。有了足够多这样的变换组合，就可以学习非常复杂的函数。它非常善于发现高维数据中的复杂结构，因此适用于科学、商业和政府的许多领域。 监督学习 我们计算一个测量误差(或距离)的目标函数在输出分数和期...
【学习】深度学习代码各个步骤都是为了啥（一）
盖丽男
08-11 553
一个深度学习的例子，代码一般会包括以下几个步骤： 1. 设置GPU 2. 加载数据 3. 处理数据 1. 归一化 2. 设置测试集 4. 构建模型 5. 激活模型 6. 训练模型 7. 结果可视化 1. 绘制loss图 2. 预测 3. 评估...
李宏毅《Deep Learning》学习笔记 - transformer
好记性不如烂笔头
06-11 925
视频：https://www.youtube.com/watch?v=ugWDIIOHtPA&list=PLJV_el3uVTsOK_ZK5L0Iv_EQoL1JefRL4&index=61&t=1s 课件：http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2019/Lecture/Transformer%20(v5).pdf Transformer是Seq2Seq with Self-attension BERT是unsupervised
Multivariate LSTM-FCNs for Time Series Classification 论文学习记录
pengxiang1998的博客
09-20 1415
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。
探索DL-4-TSC：深度学习在时间序列分类中的革命性框架
gitblog_00025的博客
03-25 442
探索DL-4-TSC：深度学习在时间序列分类中的革命性框架 项目地址:https://gitcode.com/hfawaz/dl-4-tsc 项目简介 DL-4-TSC 是一个专注于时间序列分类（Time Series Classification, TSC）的深度学习框架。该项目由Hicham Fawaz开发并开源，旨在提供一套高效、灵活且易于使用的工具，帮助数据科学家和工程师利用深度学习模型处...
深度学习驱动的时间序列分类：定量与定性分析
"这篇研究论文深入探讨了深度学习在时间序列分类中的应用，通过对2010年至2019年Scopus数据库中的相关文献进行文献计量分析，揭示了深度学习在该领域的趋势和关键进展。研究涵盖了深度神经网络的不同框架、遥感中的...
评论 9
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
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