BriefGPT - AI 论文速递
·
图形背景对比多元时间序列分类
💡
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。实验证明该框架在 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，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。
- 证明该框架在 MTS 分类中具有明显优势，并丰富了可解释性。
➡️
