没有合适的资源?快使用搜索试试~ 我知道了~
首页DTW-NN: 弹性匹配的前馈神经网络解决时间序列识别难题
本文主要探讨了基于时间序列的前馈神经网络(DTW-NN)的研究,这是一个新颖的时间序列识别模型,特别针对时间序列识别中存在的挑战,如时间失真、可变模式长度等问题。传统的前馈神经网络在处理这类问题时可能会遇到困难,因为它们通常假设输入和输出序列具有相同的时间步长,这在实际应用中并不总是适用。 DTW-NN巧妙地融合了动态时间规整(DTW)的概念,DTW是一种广泛用于比较时间序列的动态规划方法,它能够适应时间序列间的差异,如速率变化和时间延迟。在DTW-NN中,DTW被用来实现层的输入和权重的动态对齐,使得网络能够在处理不同长度和速率的时间序列时保持有效性。这种方法避免了直接计算固定窗口或滑动窗口策略,从而显著减少了计算需求,特别是对于大规模数据集来说。 通过在多个数据集上的实验验证,包括在线手写字符识别、基于加速度计的日常生活活动分类、阿拉伯数字口语的Mel频率倒谱系数(MFCC)分析以及叶形的一维质心半径序列,DTW-NN展现出了良好的性能和普遍性。实验结果表明,DTW-NN不仅能准确识别各种类型的时间序列,而且在处理复杂多变的时间模式时表现得更为稳健和高效。 总结起来,本文的主要贡献在于提出了一种新型的神经网络架构,即DTW-NN,它结合了神经网络的非线性建模能力和DTW的弹性匹配特性,为解决时间序列识别中的问题提供了一种创新且实用的方法。这种方法在处理实时性要求高、数据多样性和变异性大的应用场景中具有显著的优势,为时间序列数据分析领域开辟了新的研究方向。
资源详情
资源推荐
电子设计工程
Electronic Design Engineering
第 29卷
Vol.29
第 4期
No.4
2021年 2月
Feb. 2021
收稿日期:2020-04-08 稿件编号:202004057
作者简介:彭一帆(1995—),男,湖北汉川人,硕士研究生。研究方向:数字通信。
时间序列是 按 时间 排 序的 数 据序 列 。时 间 序
列识 别的 困难 在 于需 要考 虑结 构成 分和 时 间依 赖
性
[1]
。因此,具有鲁棒性的时间序列识别方法需要解
决这些问题,并需要针对时间失真(例如速率、时间
延迟和可变长度)进行调整。例如,将基于距离的模
型与动态时间规整(Dynamic Time Warping,DTW)一
起使用是一种成熟的时间序列分类方法。在这些方
法中,DTW 用作时间序列之间的全局距离度量,时
间序列通过使用最佳匹配元素之间的距离之和来发
挥作用,其通过动态编程估算的元素成本矩阵上的
最小路径来匹配元素。对于许多时间序列识别任务,
DTW 和最近邻居规则的组合已被 证 明是有效的
[2]
。
但是,随着数据集越来越大,穷举搜索方法的计算需
求开始越来越大。因此,这些方法不适用于具有大量
数据的任务或需要在合理的时间量内执行的任务
[3]
。
基于时间序列的前馈神经网络的研究
彭一帆
(武汉邮电科学研究院,湖北 武汉 430034)
摘要:针对时间序列识别的难点,介绍了一种被称为动态时间规整神经网络(DTW-NN)的新颖的
时间序列识别模型,DTW-NN 是一种利用动态时间规整(DTW)的弹性匹配能力来将层的输入与权
值动态对齐的前馈神经网络。通过这种方式,DTW-NN 能够解决时间序列识别的困难,例如在前
馈结构中的时间失真和可变模式长度。结合在 4 个不同的数据集上的实验,证明了 DTW-NN 的有
效性:在线手写字符、基于加速度计的活跃的日常生活活动、阿拉伯数字口语的 Mel 频率倒谱系数
(MFCC)和叶形的一维质心半径序列。通过在这些数据集上获得的结果,证明了该方法是一种有
效的时间模式学习的通用方法。
关键词:神经网络;动态时间规整;时间内核;时间序列;动态编程
中图分类号:TP391 文献标识码:A 文章编号:1674-6236(2021)04-0102-05
DOI:10.14022/j.issn1674-6236.2021.04.023
Research on feedforward Neural Network based on time series
PENG Yifan
(Wuhan Research Institute of Posts and Telecommunications,Wuhan 430034,China)
Abstract: Due to the difficulties with time series recognition,this paper describes a novel model for time
series recognition called a Dynamic Time Warping Neural Network Dynamic Time Warping(DTW-NN).
DTW⁃NN is a feedforward neural network that exploits the elastic matching ability of(DTW)to dynamically
align the inputs of a layer to the weights. In this way,the DTW⁃NN is able to tackle difficulties with time
series recognition such as temporal distortions and variable pattern length within a feedforward
architecture.Experiments on four distinct datasets demonstrate the effectiveness of DTW ⁃ NNs: online
handwritten characters,accelerometer ⁃ based active daily life activities,spoken Arabic numeral Mel ⁃
Frequency Cepstrum Coefficients(MFCC),and onedimensional centroid⁃radii sequences from leaf shapes.
It shows that the proposed method is an effective general approach to temporal pattern learning by
achieving state⁃of⁃the⁃art results on these datasets.
Keywords: Neural Networks;dynamic time warping;temporal kernel;time series;dynamic programming
--102
下载后可阅读完整内容,剩余5页未读,立即下载
weixin_38519387
- 粉丝: 3
- 资源: 931
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 最优条件下三次B样条小波边缘检测算子研究
- 深入解析:wav文件格式结构
- JIRA系统配置指南:代理与SSL设置
- 入门必备:电阻电容识别全解析
- U盘制作启动盘:详细教程解决无光驱装系统难题
- Eclipse快捷键大全:提升开发效率的必备秘籍
- C++ Primer Plus中文版:深入学习C++编程必备
- Eclipse常用快捷键汇总与操作指南
- JavaScript作用域解析与面向对象基础
- 软通动力Java笔试题解析
- 自定义标签配置与使用指南
- Android Intent深度解析:组件通信与广播机制
- 增强MyEclipse代码提示功能设置教程
- x86下VMware环境中Openwrt编译与LuCI集成指南
- S3C2440A嵌入式终端电源管理系统设计探讨
- Intel DTCP-IP技术在数字家庭中的内容保护
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功