ДалееСледующее руководство
Функции запаздывания для прогнозирования временных рядов
Технический
Техническое РУКОВОДСТВО
Динамическое искажение времени (DTW) измеряет несходство последовательностей, находя недорогой путь выравнивания, который может растягивать или сжимать время.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Это помогает сравнивать закономерности, которые разворачиваются с разной скоростью, но неограниченное искажение может привести к неправдоподобным совпадениям, а расстояние не является показателем во всех распространенных формах.
Два временных ряда могут иметь одинаковую форму, но разное время. Бегун может повторять движение медленнее, или два говорящих могут произносить одну и ту же фразу с разной скоростью. Евклидово расстояние сравнивает значения по совпадающим индексам и может сообщать о больших различиях при смещении соответствующих событий. DTW ищет путь выравнивания через матрицу парных затрат, позволяя одной точке в одной серии совпадать с несколькими точками в другой. Повторение динамического программирования накапливает локальные издержки, обеспечивая при этом монотонное движение по матрице. Путь начинается у первой пары и заканчивается у последней пары, с разрешенными шагами, такими как продвижение по диагонали, горизонтали или вертикали. Минимальная совокупная стоимость определяет оптимальное выравнивание. Реализации сообщают стоимость пути или его квадратный корень, а также могут нормализоваться по длине пути, поэтому сравнивайте только соглашения о сопоставлении. Ограничения, такие как полоса Сако-Чиба, ограничивают деформацию областью диагонали, уменьшая необходимость экстремального выравнивания и вычислений. Для гипотетических последовательностей движений короткая пауза в одном исполнении может совпадать с несколькими соседними кадрами в другом. Это может выявить сходство в общем прогрессе, несмотря на различия в скорости. Но если деформация не ограничена, несвязанные события можно сопоставить, чрезмерно растянув одну последовательность. Ограничение пути определяет, какое изменение времени является вероятным для приложения. Предварительная обработка, частота дискретизации, локальная стоимость и нормализация длины — все это имеет значение. DTW используется для поиска по сходству, классификации временных рядов и кластеризации. Обычно не гарантируется, что его стандартное расстояние будет удовлетворять неравенству треугольника, поэтому предположения об ускорении метрического дерева могут оказаться ошибочными. Это может быть дорогостоящим для длинных последовательностей, требующих сокращения, нижних границ или аппроксимаций. Оценивайте с помощью размеченных примеров или обзора предметной области и проверяйте соответствие, а не доверяйте одному расстоянию. DTW касается эластичности времени; он не решает проблему масштабирования амплитуды, отсутствия сегментов или семантических различий, если они не отражены в локальных затратах или предварительной обработке. Хорошее выравнивание возможно по разрешенному пути, но не является доказательством того, что две последовательности имеют одинаковое значение.
Гипотетический жест выполняется дважды с разной скоростью. DTW выравнивает соответствующие сегменты движения, несмотря на то, что одна последовательность занимает больше времени, в то время как евклидово поточечное сравнение приведет к штрафу за сдвиг времени.
Матрица стоимости сравнивает каждый кадр в последовательности A с каждым кадром в последовательности B. Динамическое программирование накапливает путь с наименьшей стоимостью от первой пары до последней при разрешенных ограничениях шага.
Команда добавляет окно деформации, чтобы ограничить совпадения почти диагональными путями, предотвращая совмещение короткого движения с удаленным участком другого сигнала.
Исследователь использует расстояния DTW с классификацией ближайших соседей и последовательно выбирает любую нормализацию или ограничение между обучающей и тестовой последовательностями.
Рабочие процессы DTW могут быть более надежными, если визуализации показывают выбранный путь выравнивания и допустимую область деформации рядом с полученной оценкой. Команды должны настраивать ограничения, используя реалистичные временные вариации, и оценивать удерживаемые последовательности, проверяя, нет ли различий в сравнениях длины или частоты дискретизации. Приближенные методы могут помочь в масштабе, но их следует сравнивать с точными результатами на репрезентативных подмножествах. В приложениях, где время имеет значение, чрезмерное искажение может стереть важные различия. В отчетах должны быть указаны локальные затраты, ограничения пути и нормализация, чтобы пользователи могли понять, какое сходство измеряет оценка.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Динамическое искажение времени (DTW) измеряет несходство последовательностей, находя недорогой путь выравнивания, который может растягивать или сжимать время. Это помогает сравнивать закономерности, которые разворачиваются с разной скоростью, но неограниченное искажение может привести к неправдоподобным совпадениям, а расстояние не является показателем во всех распространенных формах.
DTW допускает нелинейное выравнивание во времени, поэтому можно сравнивать аналогичные шаблоны на разных скоростях.
Каждая ячейка хранит свою локальную стоимость плюс минимальную стоимость предшественника среди разрешенных шагов.
Окно деформации ограничивает, насколько можно растянуть или сжать время последовательности.
Неограниченный путь может создавать недорогие, но неправдоподобные совпадения за счет повторения или растягивания частей.
Локальные затраты сравнивают векторы признаков в каждой паре временных индексов, часто с квадратом евклидова расстояния.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Функции запаздывания для прогнозирования временных рядов
Технический