文件名称：minirocket:迷你裙
文件大小：40KB
文件格式：ZIP
更新时间：2024-06-03 16:14:18
scalable convolution convolutional-neural-network time-series-classification convolutional-kernel
迷你火箭 MINIROCKET：时间序列分类的非常快速（几乎）确定性变换 （预印本） 直到最近，用于时间序列分类的最准确的方法还受到较高的计算复杂度的限制。 ROCKET通过使用随机卷积核对输入时间序列进行变换，并利用变换后的特征来训练线性分类器，从而以大多数现有方法的一小部分计算开销实现了最新的准确性。 我们将ROCKET重新构造为一种新方法MINIROCKET，使其在大型数据集上的速度提高了75倍，并使其具有确定性（并且可以选择，但要增加计算量，完全具有确定性），同时保持基本相同的准确性。 使用此方法，可以在不到10分钟的时间内训练和测试来自UCR存档的所有109个数据集的分类器，以达到最先进的准确性。 MINIROCKET的速度明显快于其他任何可比较精度的方法（包括ROCKET），并且比其他任何计算量相差不大的方法都要精确得多。 因此，我们建议现在应考虑将MINIROCKET用作
【文件预览】：
minirocket-main
----LICENSE(34KB)
----results()
--------time_training_InsectSound.csv(110B)
--------accuracy_ucr109_resamples.csv(27KB)
--------results_ucr109_mean.csv(3KB)
--------time_training_MosquitoSound.csv(153B)
--------time_training_DucksAndGeese.csv(141B)
--------time_training_FruitFlies.csv(99B)
----code()
--------softmax.py(8KB)
--------minirocket_dv.py(5KB)
--------minirocket_multivariate_variable.py(11KB)
--------minirocket_multivariate.py(11KB)
--------minirocket_variable.py(10KB)
--------minirocket.py(8KB)
----README.md(8KB)