BriefGPT - AI 论文速递
·
MTSA-SNN：基于脉冲神经网络的多模态时间序列分析模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的框架，通过提取和聚类高度激活CNN神经元的输入表征模式来解释多元时间序列数据，并生成可解释的时间序列特征表示。实验证明该框架在MTS分类中具有明显优势。
🎯
关键要点
- 本文介绍了一种新的框架，用于解释多元时间序列数据。
- 该框架通过提取和聚类高度激活的CNN神经元输入表征模式来捕获输入信号的作用和依赖关系。
- 构建一个图形以捕获每层提取模式的时间关系。
- 使用图形嵌入算法生成可解释的时间序列特征表示。
- 在8个UCR/UEA归档数据集以及HAR和PAM数据集上进行了广泛实验。
- 实验结果表明，该框架在MTS分类中具有明显优势，并增强了可解释性。
🏷️
标签
➡️
