BriefGPT - AI 论文速递 · 2023-11-06T00:00:00Z 利用数据增强和时频转换进行时间序列分类的小样本学习 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 该文介绍了一种解决时间序列分类中少样本问题的新颖框架，通过数据增强和合成图像生成。实验结果表明，该方法在两个数据集上准确率和F1得分均较高，具有实际应用价值。 🏷️ 标签 准确率 合成图像生成 少样本学习 数据增强 时间序列分类 阅读原文 生成长图 分享链接 已复制链接
