• 목록

[일시]
2024.07.09

[세미나 주제]
Fast and scalable approaches for time-series classification

[발표자]
정종민

[요약]
본 발표는 Time-series classification 과업에서 model의 accuracy와 speed의 trade-off 문제를 해결하기 위한 고민으로 시작한다.
본 발표에서는 ROCKET (RandOm Convolutional KErnel Transform)과 Random Dilated Shapelet Transform (RDST)라는 approach에 대한 소개를 한다.
ROCKET은 다양한 크기의 커널을 통해 얻은 feature를 각각의 weak learner에 학습시키고 앙상블 학습을 하는데, 이 때 커널의 가중치를 구하기 위한 역전파 과정이 생략되어 학습속도가 비약적으로 향상된다는 점이 특징이다.
또한 RDST는 Random sampling을 통해 shapelet을 선정하고, Shapelet Occurence (SO)라는 parameter의 임계값을 random하게 조절함으로써 computation cost를 감소시켰다는 특징이 있다.

[관련 논문]
- RandOm Convolutional KErnel Transform (ROCKET)
- Random Dilated Shapelet Transform: A New Approach for Time Series Shapelets

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/6OGP4UaYF21ilqE_0-ppKGTXerUbc17nZ7AZzIbSrbTjG-cSEELIQeTboSAJl_8p.RgmwwP5EUNcuqYCH