Dec, 2023
深度无监督领域适应用于时间序列分类:基准研究
Deep Unsupervised Domain Adaptation for Time Series Classification: a
Benchmark
TL;DR本研究基于深度学习方法,针对时间序列数据提出了一个全面的基准评估标准,主要解决无监督域适应在时序分类中的不足,通过引入七个新的基准数据集,涵盖了各种模态转换和时间动态问题,并利用先进的神经网络骨干(如Inception)进行方法评估,不仅突出了各种方法的优势和限制,而且符合无监督域适应的本质,对实际问题具有直接应用性,为时间序列数据中的领域适应解决方案的研究推进和创新提供了重要资源。