Most methods for time series classification that attain state-of-the-art accuracy have high computational complexity, requiring significant training time even for smaller datasets, and are intractable for larger datasets. Additionally, many existing methods focus on a single type of feature such as shape or frequency. Building on the recent...
这就对了。
卷积、卷积核
卷积核变换
明白了。但想象力中的某些东西并没有把它们与量化联系起来,根本无法相互替代。历史被它们拉得很长。我打算以后再试试。
你应该马上说出来。
我不知道该怎么说得更具体--我想迈克西姆已经明白了。
"二进制形式。一栏是规则的编号,数值为 "1"--规则起作用,"0"--规则不起作用。嗯,目标与主样本上的一样。"
明白了。但想象力中的某些东西并没有画出来,它们怎么可能与量化联系在一起,那将是相互取代的。这更像是历史被它们拉了起来。我打算以后再试试。
研究
https://www.arxiv-vanity.com/papers/1910.13051/
https://www.youtube.com/watch?v=1BRYrnvMhyI
这篇文章引用了许多其他最先进的时间序列分类方法、信号和模式提取方法。
文章中没有提到效率低下的问题,但正如人们所说,这就是家庭作业
比如说,我还不知道如何在同样的 "雏菊 "中实现利润最大化。
当然,我正在做一些事情,但我想听听其他相关人士的意见。
您在提升和利润最大化方面做得怎么样?
研究
https://www.arxiv-vanity.com/papers/1910.13051/
https://www.youtube.com/watch?v=1BRYrnvMhyI
文章中引用了许多其他最先进的时间序列分类方法、信号和模式提取方法。
文章中没有提到效率低下的问题,但正如人们所说,这就是家庭作业
是的,创造理论是明确的。在我的脑海中存在一个合理性问题,以及生成不同变体的问题。我们的计划是制作一个生成器和一个量化测试器,以评估每个卷积核实例的效率。之后的首要任务是预测特定预测器中的数据漂移。不解决这个任务,我对一切的兴趣都会下降。
创造理论已经很清楚了。对我来说,这是一个合理性问题,也是一个生成不同变体的问题。根据计划,我将制作一个生成器和一个带有量化功能的测试器,以评估每个卷积核实例的效率。之后的首要任务是预测特定预测器中的数据漂移。不解决这个问题,我对一切的兴趣都会下降。
根据我的理解,"量化 "可以突出照片的某些特性。卷积也有同样的作用。事实证明,它很好用。
时间序列上的调和汇总了预测因子过去值的信息(可以提取样本中的预测因子和非预测因子),而量化则评估了这一操作的成功与否。
时间序列卷积汇总了预测因子过去值的信息(可以提取样本中的预测因子和非预测因子),而量化则评估了这一操作的成功与否。
什么是量化?)
在我所说的语境中,它是对一系列数据进行零散评估,以找出属于某一类的概率比整个范围的平均值大 x% 的数据(量子段)。