DTW-GBC：抗噪时序分类新方法
热点事件持续更新
DTW-GBC：抗噪时序分类新方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者 Ziqiang Li、Yun Liu、Gouhei Tanaka 提出基于动态时间规整的粒度球计算（DTW-GBC），将时序相似的训练样本组织成粒度球，在粒度层面完成分类，并开发了两种粒度球构建策略。 在四个基准数据集的对称标签噪声实验中，两种 DTW-GBC 变体整体上缓解了标签噪声导致的性能下降，且推理阶段所需的比较次数远少于基于 DTW 的 1-NN。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
DTW-GBC：基于动态时间规整的粒度球计算实现鲁棒高效噪声标签时间序列分类报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AIDTW-GBC：基于动态时间规整的粒度球计算实现鲁棒高效噪声标签时间序列分类
研究者提出基于动态时间规整的粒度球计算（DTW-GBC），将时序相似的训练样本组织成粒度球并在粒度层面完成分类，并开发了两种粒度球构建策略。在四个基准数据集的对称标签噪声实验中，两种 DTW-GBC 变体整体上缓解了标签噪声导致的性能下降，同时推理阶段所需的比较次数远少于基于 DTW 的 1-NN。
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。