반응형 시계열분류4 [논문 리뷰] ShapeNet : A Shapelet-Neural Network Approach for Multivariate Time Series Classification (시계열 분류) [본 포스팅은 "ShapeNet : A Shapelet-Neural Network Approach for Multivariate Time Series Classification"(AAAI 2021 / Li et al.) 을 리뷰하였습니다] 이번에 알아볼 논문은 시계열 데이터 분류에서 활용되는 Shapelet을 효과적으로 추출하는 Neural Net을 제시하는 " ShapeNet : A Shapelet-Neural Network Approach for Multivariate Time Series Classification" 입니다. Shapelet은 시계열 분류에서 특정 클래스와 다른 클래스를 구분하는 특정 클래스의 부분 시계열이라고 보시면 되겠습니다.이에 대한 자세한 내용은 이전 포스팅을 참고바랍니다... 2024. 10. 26. [개념 정리] Shapelet이란? (시계열 분류) 이번에 알아볼 개념은 Shapelet 입니다. Shapelet은 시계열 분류(Time series Classification)에서 활용되는 부분 시계열을 의미합니다. 더 자세히는 어떤 의미인지 다음 내용들을 통해서 알아보겠습니다. 1. Shapelet이란? - Shapelet은 시계열 데이터의 분류(Time Series Classification)와 패턴 인식(Pattern recognition)에서 중요한 부분적인 패턴 또는 하위 sequence를 의미합니다. - 이는, 시계열 데이터에서 특정 클래스와 관련된 중요한 패턴을 찾아내고, 그 패턴이 나타나는 위치나 빈도를 바탕으로 분류 문제를 해결해나가는데 사용됩니다. - 시계열 분류의 의미에서 Shapelet을 해석해보자면, * Shapelet은 특정 클.. 2024. 10. 25. [딥러닝 with Python] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (2/2) 이번에는 지난 포스팅에서 알아본 개념을 바탕으로 파이썬 코드 구현을 해보도록 하겠습니다. [개념정리] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (1/2) ROCKET은 sklearn 과 tsai 라는 두 라이브러리에서 쉽게 구현이 가능하며, 이 중 tsai의 경우 gpu 연산을 지원하기에 딥러닝 모델에도 쉽게 적용할 수가 있어서 이번 코드 구현은 tsai를 통해서 해보겠습니다. 또한, 범용적인 구현을 위해 Google의 Colab 환경에서 무료로 제공하는 GPU인 T4를 가지고 구현했습니다. 1. ROCKET을 통한 시계열 분류1) 이번 구현에 활용할 데이터는 UCR datasetd에 있는 "FigerMovement.. 2024. 10. 14. [개념정리] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (1/2) [해당 포스팅은 "ROCKET: exceptionally fast and accurate time series classification using random convolutional kernels"(Dempster et al. 2020) 논문을 참조했습니다] 이번에 알아볼 내용은 시계열 데이터에서 시계열적 특징을 다양하게 추출하여 분류에 활용하는 방법론 중 하나인 ROCKET(RandOm Convoltuional KErnel Transform)에 대해서 알아보겠습니다. 이 방법론은 "ROCKET: exceptionally fast and accurate time series classification using random convolutional kernels"(Dempster et al. 20.. 2024. 10. 13. 이전 1 다음 반응형
