文献

J-GLOBAL ID：202202282202281476   整理番号：22A0967126

時系列のためのカーネルの経験的評価【JST・京大機械翻訳】

An empirical evaluation of kernels for time series

著者 (2件)： Badiane Mourtadha (School of Computer Science, University College Dublin, Dublin, Ireland) ,  Cunningham Padraig (School of Computer Science, University College Dublin, Dublin, Ireland)
資料名： Artificial Intelligence Review  (Artificial Intelligence Review)
巻： 55  号： 3  ページ： 1803-1820  発行年： 2022年 
JST資料番号： E0339C  ISSN： 0269-2821  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 時系列カーネルで動作する様々な距離測度が存在する。本論文の目的は,サポートベクトルマシン設定におけるそれらの距離測定を比較することである。サポートベクトルマシンは,静的(非時系列)データセットのための最先端の分類器であり,通常,k-Nearest近傍よりも性能が優れているが,1NN DTWは時系列分類のためのロバストなベースラインであることが多い。実験により,最も効果的な距離測度は動的時間ワーピングであり,最も効果的な分類器はkNNであると決定した。しかし,驚くべき結果は,kNNとDTWのペアリングが最も効果的なモデルではないということである。代わりに,Gaussサポートベクターマシンと対になった動的時間ワーピングが,最も正確な時系列分類器であることを,実験により発見した。最後に,良好な理由で,より良い理論的基礎を持つので,Gaussサポートベクターマシンと対した,わずかに劣った(精度の)モデル時間Warp Edit距離を推薦した。また,サポートベクターマシンを用いて達成された計算コストの削減についても論じ,動的時間ワーピング距離と対になった負のカーネルが計算コストの最大削減を生成することを見出した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  分類 ,  精度 ,  距離 ,  時系列 ,  モデル ,  距離測定 ,  基準線 ,  ロバスト性 ,  *サポートベクトルマシン
準シソーラス用語： 距離測度 ,  ワーピング ,  Kernel法 ,  分類会計機 ,  計算コスト ,  経験的評価 , 【Automatic Indexing@JST】

著者キーワード (3件)： 時系列分類 ,  サポートベクトルマシン ,  カーネル法

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 時系列 ,  カーネル ,  経験的評価