time series classification (TSC) is the most import task in time series
mining as it has several applications in medicine, meteorology, finance cyber
security, and many others. With the ever increasing size of time series
datasets, several traditional TSC methods are no longer efficien
本研究旨在评估制造业和工业环境中时序分类任务的 SoTA ML 和 DL 算法的性能。实验表明,ResNet、DrCIF、InceptionTime 和 ARSENAL 是性能最好的算法,其在 22 个制造业时序分类数据集上的平均准确率超过 96.6%。这些发现突显了卷积内核在捕捉时间序列数据中的时序特征方面的鲁棒性、效率、可扩展性和有效性。此外,LSTM、BiLSTM 和 TS-LSTM 算法在利用循环神经网络结构捕捉时间序列数据中的特征方面也值得肯定。