抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
早期時系列分類(eTSC)は,できるだけ高い精度でできるだけ少ない測定後に時系列を分類する問題である。任意のeTSC手法の最も重要な問題は,時系列の十分なデータが決定を取ること,即ち,より多くのデータ点に対するWaitingは,通常,分類問題をより容易にする,しかし,分類がなされる時間を遅らせることである。対照的に,以前の分類はより少ない入力データに対処する必要があり,しばしば劣った精度をもたらす。最先端のeTSC法は,すべての時系列が同一の定義された開始時間(機械上でのような回転)を持つと仮定して,固定最適決定時間を計算する。しかし,多くの実際の応用測定では,任意の時間(患者の心拍測定)で開始し,決定を行うための最良の時間は時系列間で広く変化することを意味する。2段階分類問題としてeTSCをモデル化する新しいアルゴリズムであるTEASERを提示した:第1段階で,分類器は,クラス確率を計算するために入力時系列を周期的に評価する。しかしながら,これらのクラス確率は,もし第2段階分類器が十分に信頼できるならば,出力ラベルとしてのみ使用され,それは,異なる数の計測後に起こることができる。45のベンチマークデータセットを用いた評価において,TEASERは,その競争者よりも予測において2から3倍早く,一方,同じまたはより高い分類精度に達した。さらに,実際の使用事例,すなわちエネルギーモニタリングと歩行検出を用いて,TEASERの優れた性能を示した。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】