无反向传播学习器时间序列分类系统评测
热点事件持续更新
无反向传播学习器时间序列分类系统评测
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Miha Kapš 等作者将 DFA、DRTP 和 NoProp 三种无反向传播学习规则适配到一维卷积架构，用于单变量时间序列分类，并在 UCR 档案的 112 个数据集上完成首次系统评测。每种方法各取一组经超参数优化的配置。 结果显示，这三种方法的平均 F1 为 0.76 至 0.79，低于 ROCKET 的 0.83 和 InceptionTime 的 0.84。
AI 根据报道生成 · 49 分钟前更新
最新进展11月3日 13:00
无反向传播深度学习用于时间序列分类：DFA、DRTP 与 NoProp 在 112 个 UCR 数据集上的系统评测报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv cs.AI无反向传播深度学习用于时间序列分类：DFA、DRTP 与 NoProp 在 112 个 UCR 数据集上的系统评测
研究将 DFA、DRTP 和 NoProp 三种无反向传播学习规则适配到一维卷积架构的单变量时间序列分类，并在 UCR 档案的 112 个数据集上完成首次系统评测，优化后平均 F1 为 0.76 至 0.79，低于 ROCKET 的 0.83 和 InceptionTime 的 0.84。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。