论文学习——Correlative Channel-Aware Fusion for Multi-View Time Series Classification

0 写在前面

目前已经有了小论文和专利的基本思路了…但是感觉方法和技术都不太能够体现咱们计算机学院的优势。所以，我爬上顶会来看看大佬们的技术！！

这一篇是发在AAAI国际会议上的，AAAI的全称是人工智能促进协会，是人工智能领域的主要学术会议之一。

AAAI主办的“AAAI人工智能会议”， 被认为是人工智能领域的顶级会议之一。

第35届AAAI会议，（2021年）在加拿大温哥华举行，由于全球疫情影响，本次会议采用的是线上方式进行召开。

2 作者

3 摘要

1. 多视图时间序列分类（MVTSC）旨在通过融合多视图的独特时序信息来提高性能。
2. 现有的方法主要是在早期阶段融合多视图信息。例如，通过学习多视图之间的共同特征子空间。
3. 然而，这些早期的融合方法可能无法完全利用复杂时间序列中每个视图的独特时间模式。
4. 此外，对于MVTSC问题来说，多视图的标签相关性对提升至关重要，但通常没有得到充分的开发。为了解决上述问题，我们提出了一个相关通道感知融合（C2AF）网络。首先，C2AF通过一个双流结构编码器为每个视图提取全面和稳健的时间模式，并通过基于图形的相关矩阵捕捉视图内和视图间的标签相关性。其次，通过卷积神经网络实现通道感知的可学习融合机制，以进一步探索全局的相关模式。这两个步骤是在拟议的C2AF网络中进行端到端的训练。在三个真实世界的数据集上的广泛的实验结果证明了我们的方法比最先进的方法的优越性。还提供了一个详细的消融研究，以显示每个模型组件的有效性。

【看不懂了，看不下去了，弃文，多视图是啥意思都不知道…】