基於深度遷移學習進行時間序列分類

論文動機 通常來說，用傳統的機器學習方法（例如 KNN、DTW）進行時間序列分類能取得比較好的效果。但是，基於深度網絡的時間序列分類往往在大數據集上能夠打敗傳統方法。另一方面，深度網絡必須依賴於大量的訓練數據，否則精度也無法超過傳統機器學習方法。在這種情況下，進行數據增強、收集更多的數據、實用集成學習模型，都是提高精度的方法。這其中，遷移學習也可以被用在數據標註不足的情況。 從深度網絡本身來看，有

>>阅读原文<<