BriefGPT - AI 论文速递
·
多尺度变压器金字塔网络用于多变量时间序列预测
💡
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，并构建一个捕获每层提取模式的时间关系的图形，最后使用图形嵌入算法生成可解释的时间序列特征表示。通过实验证明了该框架在MTS分类中具有明显优势，并丰富了它们的可解释性。
🎯
关键要点
- 介绍了一种新的框架，用于解释多元时间序列数据。
- 通过提取和聚类高度激活的CNN神经元输入表征模式，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数据集上进行广泛实验，证明该框架在MTS分类中的优势。
- 该框架丰富了多元时间序列数据的可解释性。
➡️
