没有合适的资源?快使用搜索试试~ 我知道了~
A Ranking-Based Cross-Entropy Loss 阅读PPT
0 下载量 21 浏览量
2023-07-12
15:38:19
上传
评论
收藏 4.81MB PPTX 举报
温馨提示
试读
22页
A Ranking-Based Cross-Entropy Loss for Early Classification of Time Series 基于ranking的交叉熵损失时间序列早期分类 IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS ,SCI 一区
资源推荐
资源详情
资源评论
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS ,SCI 一区
Early classification of time series (ECTS)旨在在观察完整数据之前对时间序列进行分类。它在时间敏感的应用中至关重要,
如重症监护病房(ICU)的早期败血症诊断。早期诊断可以为医生提供更多挽救生命的机会。
本文提出了一种基于ranking的交叉熵损失(RCE)方法,从时间序列数据中共同学习类的特征和早期顺序。这样,RCE可以帮助
分类器生成具有更可区分边界的时间序列在不同阶段的概率分布。从而最终提高了每个时间步的分类精度。此外,为了提高方
法的适用性,作者还将学习过程集中在高阶样本上,从而加快了训练过程。
在三个真实数据集上的实验表明,本方法在任何时刻都能比所有baseline更准确地进行分类。
代码:https://github.com/SCXsunchenxi/RCE
• 文献阅读
1
2
挑战
ECTS很难,因为它同时解决了两个相互冲突的目标:准确性和早期性。如果一个人想要追求更高的准确性,模型将倾向于晚些
执行预测,因为它想要观察尽可能多的数据。例如,在sepsis预测任务中,血压的快速下降(sepsis的主要症状)总是发生在
sepsis发生之前,但这一证据在时间序列的早期阶段很难被识别。
其他模型在ECTS上效果不够好的原因:他们通常首先在分类损失下优化准确性,然后通过权衡一个目标与另一个目标来找到
准确性和早期性之间的平衡。这种两阶段策略分离了准确性目标和早期目标,权衡没有统一的评价标准,因为不同的应用有不
同的需求。在这种情况下,先验的专业知识更重要,但它并不容易获得。另一方面,现有的分类损失,如交叉熵,不能有效地
从预测概率中识别早期信息。
在此基础上,如果可以根据时间阶段来规划这些分布,使它们的边界更加明显和不重叠,将会提高分类精度。这最终有利于在
任何时候都能得到准确的时间序列分类结果。作者认为一个强大的早期分类器应该总是在任何时刻做出高度准确的预测,而不
仅仅是在一个时间内。
3
A. Problem Formulation
Definition 1 (ECTS): N个labeled时间序列的集合表示为D={(x
i
, c
i
)∈(X, C)|i=1,…,N},X是样本集,C是类集。
x={x
1
,…x
t
,…x
T
}是具有T个时间步的时间序列。在起始时间T, x被分类为c。ECTS任务的目标是学习一个分类器f
c
: x
1:T
→c,通过
使用时间1到T的子序列来预测x代表的c类,其中t<T。
为了实现ECTS,作者提出了一种RCE。采用ranking的思想,将早期目标与分类目标相结合。因此,作者给出了ranking关系
的描述。一个集合的ranking是由它的元素之间的关系形成的。这里,使用两个元素的成对ranking关系对一个无序集合进行
ranking。
4
A. Problem Formulation
Definition 2(Pairwise-Ranking Relation):数据对集P={(x
i
, x
j
)|x
i
, x
j
∈X}包含数据集X中的所有对。ranking中的对(x
i
, x
j
)有三
个关系。 i ▷ j 表示x
i
排在x
j
之前, i ◁ j表示x
i
排在x
j
之后, i ◁ ▷ j表示x
i
和x
j
的rank相同。
ranking关系r
ij
使用关系分数s
ij
进行形式化
RCE对时间序列进行分类和早期ranking,如图2所示。首先,根据类别对时间序列进行ranking。Ranking 0和Ranking 1是两
个ranking,sepsis class ranked before nonsepsis class and nonsepsis ranked before sepsis class 。然后,在每个类别
中,按照时间序列的早晚排序,早的数据rank高。
5
A. Problem Formulation
Definition 3 (Class Order, CO):类序CO=c
1
▷c
2
··· ▷c
M
记录了类集C的排序顺序(M表示类的个数)。c
i
▷c
j
表示c
i
在c
j
之前。对
于二元分类,有两种类序,c
0
▷c
1
和c
1
▷c
0
。对于三种分类,有三种分类顺序:c
1
▷c
2
▷c
3
、c
2
▷c
1
▷c
3
和c
3
▷c
1
▷c
2
。对于n分类,有n个
类顺序,每个类都在顶部(不应该是全排列吗?三种123,132,213,231,312,321)。因此,简化表示为CO=c
i
▷c
{m\i}
。
c
{m\i}
={c
m
|m∈{1,…,M}−{i}}。将n类数据集改为二进制类数据集的话,则数据分为属于c
i
和不属于c
i
。二进制类被简单地标记为
{c
0
, c
1
}。
剩余21页未读,继续阅读
资源评论
WXiujie123456
- 粉丝: 384
- 资源: 5
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- SSCMS登录模块需要的JS文件
- JSP网络购物中心毕业设计(源代码+论文).rar
- 白盒测试报告.docx
- 基于LM5117芯片评估开发板硬件参考设计(原理图+PCB)+中英文数据手册资料.zip
- 照片批量重命名软件(文件批量修改图片文件名)
- app.apk
- 人工智能(AI)是计算机科学的一个分支,旨在开发和应用能够模拟、延伸和扩展人类智能的理论、方法和技术,包括机器人、语言识别、图像
- 嵌入式与物联网开发是当今信息技术领域的两大重要分支,它们相互交织,共同推动着智能化时代的进步 嵌入式开发主要关注在嵌入式操作
- 网络安全,这一看似高深莫测的领域,实则与我们每个人的生活息息相关
- 毕业设计基于深度学习的视觉问答系统源码+文档说明+答辩PPT.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功