arXiv · Neural and Evolutionary Computing· Xuanhao Yang, Bing Xue, Mengjie Zhang
· 1 天前
EvoTSC：通过遗传编程进化特征学习模型用于时间序列分类
EvoTSC: Evolving Feature Learning Models for Time Series Classification via Genetic Programming
预印本 · 尚未经过同行评审
AI 导读
EvoTSC用遗传编程自动进化轻量特征学习模型，在多数单变量时间序列分类数据集上优于11种基准方法。
摘要 · AI 翻译
时间序列分类是跨多个领域的一项重要分析任务。然而，其实际应用常常受到标注数据稀缺以及需要大量计算资源的制约。为应对这些挑战，本文提出 EvoTSC，一种新颖的遗传编程方法，旨在自动演化用于时间序列分类的轻量级特征学习模型。EvoTSC 的核心是一个精心设计的多层程序结构，它将多种形式的专家先验知识策略性地嵌入演化过程，有效地将搜索引向已知对时间序列分析高度有效的操作。为缓解时间序列分类中常见的过拟合问题，提出了一种定制的帕累托锦标赛选择策略，以偏向于在不同训练数据子集上表现一致的模型，促进发现高度可泛化的模型。在单变量时间序列分类数据集上进行的大量实验表明，在大多数比较中 EvoTSC 显著优于十一种基准方法。进一步的分析验证了每个组件的贡献以及演化模型的资源效率。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Neural and Evolutionary Computing · arxiv.org