VIP內容

題目:Time Series Data Augmentation for Deep Learning: A Survey

摘要:

近年來,深度學習在許多時間序列分析任務中表現優異。深度神經網絡的優越性能很大程度上依賴於大量的訓練數據來避免過擬合。然而,許多實際時間序列應用的標記數據可能會受到限製,如醫學時間序列的分類和AIOps中的異常檢測。數據擴充是提高訓練數據規模和質量的有效途徑,是深度學習模型在時間序列數據上成功應用的關鍵。本文係統地綜述了時間序列的各種數據擴充方法。我們為這些方法提出了一個分類,然後通過強調它們的優點和局限性為這些方法提供了一個結構化的審查。並對時間序列異常檢測、分類和預測等不同任務的數據擴充方法進行了實證比較。最後,我們討論並強調未來的研究方向,包括時頻域的數據擴充、擴充組合、不平衡類的數據擴充與加權。

成為VIP會員查看完整內容
0
39
1
父主題
Top