Most methods for time series classification that attain state-of-the-art accuracy have high computational complexity, requiring significant training time even for smaller datasets, and are intractable for larger datasets. Additionally, many existing methods focus on a single type of feature such as shape or frequency. Building on the recent...
이 문서에는 시계열 분류의 다른 최신 방법, 신호 및 패턴 추출 방법에 대한 많은 참조가 포함되어 있습니다.
비효율성에 대한 내용은 없지만, 이것은 그들이 말하는 것처럼 숙제입니다.
예, 창조 이론은 분명합니다. 제 마음 속에는 합리성과 다양한 변형의 생성에 대한 질문이 있습니다. 계획은 컨볼 루션 커널의 각 인스턴스의 효율성을 평가하기 위해 정량화 기능을 갖춘 생성기와 테스터를 만드는 것입니다. 나중에 가장 우선시되는 작업은 특정 예측자의 데이터 드리프트 예측입니다. 이 과제를 해결하지 않으면 모든 것에 대한 흥미가 떨어집니다.
창조론은 충분히 명확합니다. 저에게는 합리성과 다양한 변형의 생성에 대한 문제입니다. 계획에 따르면, 저는 컨볼루션 커널의 각 인스턴스의 효율성을 평가하기 위해 정량화 기능을 갖춘 생성기와 테스터를 만들 것입니다. 나중에 - 첫 번째 우선 순위 작업 - 특정 예측자의 데이터 드리프트 예측. 이 문제를 해결하지 않으면 모든 것에 대한 흥미가 떨어집니다.
"제가 이해하는 '정량화'는 피시의 몇 가지 속성을 강조합니다. 컨볼루션도 같은 역할을 합니다. 버터처럼 부드럽습니다.
맞습니다.
컨볼루션, 컨볼루션 핵
컨볼루션 커널 변환
알겠습니다. 하지만 상상 속에서는 양자화와 어떻게 연결되어 상호 치환될 수 있는지 전혀 그려지지 않습니다. 역사는 오히려 그들에 의해 끌어 올려집니다. 나중에 시도해 볼 계획입니다.
바로 그렇게 말했어야죠.
어떻게 더 구체적으로 설명해야 할지 모르겠지만, 맥심은 이해한 것 같아요.
"바이너리 형식입니다. 열은 규칙의 번호이고 값은 "1"- 규칙이 작동하고 "0"- 규칙이 작동하지 않았습니다. 글쎄, 그리고 주요 샘플과 마찬가지로 목표. "
알겠습니다. 하지만 상상 속에서 그려지지 않는 것, 그것들이 어떻게 정량화와 연결될 수 있는지, 그것은 서로 대체될 수 있습니다. 마치 역사가 그들에 의해 끌어 올려지는 것과 같습니다. 나중에 시도해 볼 계획입니다.
study
https://www.arxiv-vanity.com/papers/1910.13051/
https://www.youtube.com/watch?v=1BRYrnvMhyI
이 기사에는 시계열 분류의 다른 최신 방법, 신호 및 패턴 추출 방법에 대한 많은 참조가 포함되어 있습니다.
비효율성에 대한 내용은 없지만, 이것은 그들이 말하는 것처럼 숙제입니다.
예를 들어, 동일한 부스팅에 수익 극대화를 구현하는 방법을 아직 찾지 못했습니다.
물론 제가 무언가를 하고 있긴 하지만 이 주제에 대한 다른 유익한 의견을 듣고 싶습니다.
부스팅과 수익 극대화를 어떻게 하고 계신가요?
연구
https://www.arxiv-vanity.com/papers/1910.13051/
https://www.youtube.com/watch?v=1BRYrnvMhyI
이 문서에는 시계열 분류의 다른 최신 방법, 신호 및 패턴 추출 방법에 대한 많은 참조가 포함되어 있습니다.
비효율성에 대한 내용은 없지만, 이것은 그들이 말하는 것처럼 숙제입니다.
예, 창조 이론은 분명합니다. 제 마음 속에는 합리성과 다양한 변형의 생성에 대한 질문이 있습니다. 계획은 컨볼 루션 커널의 각 인스턴스의 효율성을 평가하기 위해 정량화 기능을 갖춘 생성기와 테스터를 만드는 것입니다. 나중에 가장 우선시되는 작업은 특정 예측자의 데이터 드리프트 예측입니다. 이 과제를 해결하지 않으면 모든 것에 대한 흥미가 떨어집니다.
창조론은 충분히 명확합니다. 저에게는 합리성과 다양한 변형의 생성에 대한 문제입니다. 계획에 따르면, 저는 컨볼루션 커널의 각 인스턴스의 효율성을 평가하기 위해 정량화 기능을 갖춘 생성기와 테스터를 만들 것입니다. 나중에 - 첫 번째 우선 순위 작업 - 특정 예측자의 데이터 드리프트 예측. 이 문제를 해결하지 않으면 모든 것에 대한 흥미가 떨어집니다.
'양자화'는 제가 이해하는 피시의 몇 가지 속성을 강조합니다. 컨볼루션도 같은 역할을 합니다. 버터처럼 부드럽습니다.
시계열에 대한 조정은 예측자의 과거 값에 대한 정보를 집계하고(샘플에 있던 것과 그렇지 않은 것을 취할 수 있음), 정량화는 이 작업의 성공 여부를 평가합니다.
시계열 컨볼루션은 예측자의 과거 값에 대한 정보를 집계하고(샘플에 있었던 예측자와 그렇지 않은 예측자를 취할 수 있음), 정량화는 이 작업의 성공 여부를 평가합니다.
양자화란 무엇인가요?)
여기서 말하는 정량화란 클래스 중 하나에 속할 확률이 전체 범위의 평균보다 x퍼센트 더 큰 조각(양자 세그먼트)을 식별하기 위해 데이터의 범위를 단편적으로 평가하는 것입니다.