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。
記号表現は時間データの次元縮小のための有用なツールであり,時系列からの効率的な保存と情報検索を可能にする。また,それらは,雑音低減を通して時系列データに関する機械学習アルゴリズムの訓練を強化でき,ハイパーパラメータに対する感度を低減した。適応Brownブリッジベース凝集(ABBA)法は,そのような効果的でロバストな記号表現であり,時系列で重要な傾向と形状を正確に捉えることを実証した。しかしながら,その現在の形式では,この方法は非常に大きな時系列を処理するのに苦労する。ここでは,fABBAと呼ばれるABBA法の新しい変異体を示した。この変異体は時系列の区分的表現に合わせた新しい凝集アプローチを利用する。ABBAで使われるk平均クラスタリングをソーティングベース凝集技法で置換し,それによって反復和二乗誤差計算を避けて,計算量を大幅に削減した。元の方法とは対照的に,新しいアプローチは,あらかじめ指定される時系列シンボルの数を必要としない。広範な試験を通して,新しい方法は,再構成精度に関して,一般的なSAXと1d-SAX表現を凌駕しながら,実行時間をかなり削減するABBAを凌駕することを実証した。さらに,fABBAが画像のような他のデータタイプを圧縮できることを示した。【JST・京大機械翻訳】