基于残差收缩网络的时间序列分类算法
汉民 发布于 4 月 18 日
时间序列数据容易受到噪声的扰动而失去意义，所以能够对时间序列中的噪声进行处理将会对分类精度产生重要影响[1]。
残差收缩网络[2]是一种面向强噪、高冗余数据的分类算法，原本是由M. Zhao在文献[2]首次提出的。
[1]张雅雯. 基于残差网络的时间序列分类算法研究[D].北京交通大学,2020.
[2]M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, vol. 16, no. 7, pp. 4681-4690, 2020.
[3]https://github.com/zhao62/Deep-Residual-Shrinkage-Networks
汉民
0 条评论
汉民
宣传栏
目录
时间序列数据容易受到噪声的扰动而失去意义，所以能够对时间序列中的噪声进行处理将会对分类精度产生重要影响[1]。
残差收缩网络[2]是一种面向强噪、高冗余数据的分类算法，原本是由M. Zhao在文献[2]首次提出的。
[1]张雅雯. 基于残差网络的时间序列分类算法研究[D].北京交通大学,2020.
[2]M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, vol. 16, no. 7, pp. 4681-4690, 2020.
[3]https://github.com/zhao62/Deep-Residual-Shrinkage-Networks
