KDDAug, 2018
使用合成数据进行时间序列分类的数据增强与深度残差网络
Data augmentation using synthetic data for time series classification with deep residual networks
Hassan Ismail Fawaz, Germain Forestier, Jonathan Weber, Lhassane Idoumghar, Pierre-Alain Muller
TL;DR本文研究了基于动态时间规整距离的数据增强技术在深度学习模型在时间序列分类任务中的应用,通过对 UCR TSC 基准测试集的大量实验,发现数据增强可以显著提高深度 CNN 在某些数据集上的准确度,并在集合方法中使用此方法可以显著改善模型准确度。