InceptionTime 与小波方法在时间序列分类方面的比较
利用神经网络对声纹数据进行分类研究,比较了两种不同的方法,一种直接对时间序列数据进行分类,采用 InceptionTime 网络的自定义实现,另一种则生成信号的小波变换的 2D 图像,然后采用 ResNet 实现进行分类,并选择合适的超参数设置,两种方法均能达到 90% 以上的分类准确率,直接方法的准确率达到 95.2%。
本文提出了一种基于小波和神经网络的多级小波分解网络(mWDN),用于构建能感知时间序列频率的深度学习模型,并提出了两个深度学习模型以应用于时间序列分类和预测,并在多个数据集上进行了实验验证。同时还提出了一种解释深度学习的方法。