Tiếp theoHướng dẫn tiếp theo
Tính năng trễ cho dự báo chuỗi thời gian
kỹ thuật
HƯỚNG DẪN KỸ THUẬT
Dynamic Time Warping (DTW) đo lường sự khác biệt về trình tự bằng cách tìm đường dẫn căn chỉnh chi phí thấp có thể kéo dài hoặc nén thời gian.
Nghe hướng dẫn nàyAI thuật lại · ~3 min
Nó giúp so sánh các mô hình diễn ra ở các tốc độ khác nhau, nhưng sự cong vênh không hạn chế có thể tạo ra những sự trùng khớp không thể tin được và khoảng cách của nó không phải là một thước đo ở mọi dạng thông thường.
Hai chuỗi thời gian có thể có hình dạng giống nhau nhưng thời gian khác nhau. Người chạy có thể lặp lại một chuyển động chậm hơn hoặc hai người nói có thể thốt ra cùng một cụm từ ở tốc độ khác nhau. Khoảng cách Euclide so sánh các giá trị ở các chỉ số phù hợp và có thể báo cáo sự khác biệt lớn khi các sự kiện tương ứng được dịch chuyển. DTW tìm kiếm đường dẫn căn chỉnh thông qua ma trận chi phí theo cặp, cho phép một điểm trong một chuỗi căn chỉnh với nhiều điểm trong chuỗi kia. Phép truy toán lập trình động tích lũy chi phí cục bộ trong khi thực thi chuyển động đơn điệu trong ma trận. Một đường dẫn bắt đầu ở cặp đầu tiên và kết thúc ở cặp cuối cùng, với các bước được phép như tiến theo đường chéo, ngang hoặc dọc. Chi phí tích lũy tối thiểu xác định sự liên kết tối ưu. Việc triển khai báo cáo chi phí đường dẫn hoặc căn bậc hai của nó và cũng có thể chuẩn hóa theo độ dài đường dẫn, vì vậy chỉ so sánh các quy ước phù hợp. Các ràng buộc như dải Sakoe-Chiba giới hạn sự cong vênh ở một vùng lân cận của đường chéo, làm giảm sự sắp xếp và tính toán cực đoan. Đối với các chuỗi chuyển động giả định, một khoảng dừng ngắn trong một màn trình diễn có thể phù hợp với một số khung hình gần đó trong một màn trình diễn khác. Điều này có thể tiết lộ sự tương đồng trong tiến trình tổng thể mặc dù tốc độ có thể thay đổi. Nhưng nếu sự cong vênh không bị hạn chế, thì các sự kiện không liên quan có thể được khớp bằng cách kéo dài một chuỗi quá mức. Ràng buộc đường dẫn mã hóa sự thay đổi thời gian nào là hợp lý cho ứng dụng. Tiền xử lý, tốc độ lấy mẫu, chi phí cục bộ và chuẩn hóa độ dài đều quan trọng. DTW được sử dụng trong tìm kiếm tương tự, phân loại và phân cụm chuỗi thời gian. Khoảng cách tiêu chuẩn của nó thường không được đảm bảo để thỏa mãn bất đẳng thức tam giác, do đó các giả định về gia tốc của cây hệ mét có thể không thành công. Nó có thể tốn kém cho các chuỗi dài, thúc đẩy việc cắt tỉa, giới hạn dưới hoặc xấp xỉ. Đánh giá bằng các ví dụ được gắn nhãn hoặc đánh giá tên miền và kiểm tra sự sắp xếp thay vì tin tưởng vào một khoảng cách duy nhất. DTW giải quyết độ co giãn về thời gian; nó không giải quyết được việc chia tỷ lệ biên độ, các phân đoạn bị thiếu hoặc các khác biệt về ngữ nghĩa trừ khi chúng được biểu thị trong chi phí cục bộ hoặc tiền xử lý. Sự liên kết tốt là hợp lý theo đường dẫn được cho phép, không phải là bằng chứng cho thấy hai chuỗi có ý nghĩa giống hệt nhau.
Một cử chỉ giả định được thực hiện hai lần với tốc độ khác nhau. DTW căn chỉnh các phân đoạn chuyển động tương ứng mặc dù một chuỗi mất nhiều thời gian hơn, trong khi so sánh từng điểm theo điểm Euclide sẽ gây bất lợi cho việc dịch chuyển thời gian.
Ma trận chi phí so sánh mọi khung hình trong chuỗi A với mọi khung hình trong chuỗi B. Lập trình động tích lũy đường dẫn có chi phí thấp nhất từ cặp đầu tiên đến cặp cuối cùng theo các ràng buộc bước được phép.
Một nhóm thêm một cửa sổ cong vênh để hạn chế các kết quả khớp với các đường gần chéo, ngăn chặn một chuyển động ngắn thẳng hàng với phần xa của tín hiệu kia.
Một nhà nghiên cứu sử dụng khoảng cách DTW với phân loại lân cận gần nhất và chọn bất kỳ chuẩn hóa hoặc ràng buộc nào một cách nhất quán giữa trình tự huấn luyện và kiểm tra.
Quy trình làm việc DTW có thể đáng tin cậy hơn khi trực quan hóa hiển thị đường căn chỉnh đã chọn và vùng cong vênh cho phép bên cạnh điểm kết quả. Các nhóm nên điều chỉnh các ràng buộc bằng cách sử dụng biến thể thời gian thực tế và đánh giá các trình tự được đưa ra, kiểm tra xem liệu có so sánh sai lệch về độ dài hoặc tốc độ lấy mẫu khác nhau hay không. Các phương pháp gần đúng có thể hữu ích ở quy mô lớn nhưng cần được so sánh với kết quả chính xác trên các tập hợp con đại diện. Trong các ứng dụng mà thời gian mang ý nghĩa, việc lệch quá mức có thể xóa đi những khác biệt quan trọng. Các báo cáo phải nêu rõ chi phí cục bộ, các hạn chế về đường dẫn và mức chuẩn hóa để người dùng có thể hiểu mức độ tương tự mà điểm số đo lường.
Bản tin miễn phí
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Dynamic Time Warping (DTW) đo lường sự khác biệt về trình tự bằng cách tìm đường dẫn căn chỉnh chi phí thấp có thể kéo dài hoặc nén thời gian. Nó giúp so sánh các mô hình diễn ra ở các tốc độ khác nhau, nhưng sự cong vênh không hạn chế có thể tạo ra những sự trùng khớp không thể tin được và khoảng cách của nó không phải là một thước đo ở mọi dạng thông thường.
DTW cho phép căn chỉnh phi tuyến theo thời gian để có thể so sánh các mẫu tương tự ở các tốc độ khác nhau.
Mỗi ô lưu trữ chi phí cục bộ của nó cộng với chi phí tối thiểu trước đó trong số các bước được phép.
Cửa sổ cong vênh giới hạn khoảng cách thời gian chuỗi có thể được kéo dài hoặc nén.
Một đường dẫn không bị ràng buộc có thể tạo ra những kết quả phù hợp với chi phí thấp nhưng không hợp lý bằng cách lặp lại hoặc kéo dài các phần.
Chi phí cục bộ so sánh các vectơ đặc trưng ở mỗi cặp chỉ số thời gian, thường có khoảng cách Euclide bình phương.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
Tính năng trễ cho dự báo chuỗi thời gian
kỹ thuật