最新AI論文をキャッチアップするAI-SCHOLARへの投稿をご紹介します。
この論文では、時系列分類に対して、新しい観点の手法MrSQMを提案しています。 予測精度の高い線形分類をベースに学習時間を大幅に短縮します。時系列データをシンボル表現に変換、トライ木の探索を途中で打ち切る(枝刈り)基準にχ二乗限界を使用しています。
[blogcard url=”https://ai-scholar.tech/articles/time-series/MrSQM“]
最新AI論文をキャッチアップするAI-SCHOLARへの投稿をご紹介します。
この論文では、時系列分類に対して、新しい観点の手法MrSQMを提案しています。 予測精度の高い線形分類をベースに学習時間を大幅に短縮します。時系列データをシンボル表現に変換、トライ木の探索を途中で打ち切る(枝刈り)基準にχ二乗限界を使用しています。
[blogcard url=”https://ai-scholar.tech/articles/time-series/MrSQM“]
コメントを残す