×
阿德琳·费马尼安

使用签名嵌入和学习。 （英语） Zbl 1510.62035号

计算。统计数据分析。 157，文章ID 107148，23 p.（2021）.
摘要：时序数据和时序数据出现在许多研究领域，例如定量金融、医学或计算机视觉。基于粗糙路径理论，提出了一种新的序列学习方法，称为签名方法。其基本原理是通过其迭代积分的分级特征集表示多维路径，称为签名。这种方法主要依赖于嵌入原理，该原理将离散采样数据表示为路径，即从\（[0,1]\）到\（\mathbb{R}^d\）的函数。在调查了签名的机器学习方法之后，通过对三个最新且具有挑战性的数据集的深入研究，研究了嵌入对预测准确性的影响。结果表明，在所有考虑的数据集和算法中，一种称为超前滞后的特定嵌入系统表现最为出色。此外，一项实证研究表明，计算整个路径域上的签名不会导致局部信息的丢失。结论是，通过良好的嵌入，将签名与其他简单算法相结合可以获得与最先进的特定领域方法相竞争的结果。

引用于4文件

MSC公司：

62-08 统计问题的计算方法
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62兰特 功能数据分析
68T05型 人工智能中的学习和自适应系统

关键词：

顺序数据;时间序列分类;功能数据;签名

软件：

Scikit公司;fda（右）;ii签名;快速绘制数据集;凯拉斯;github;XGBoost公司;美国astsa
PDF格式BibTeX公司 XML格式引用
\textit｛A.Fermanian｝，计算机。统计数据分析。157，文章ID 107148，23 p.（2021；Zbl 1510.62035）
全文： 内政部 arXiv公司 哈尔

参考文献：

[1] 巴格纳尔，A。；Lines，J.公司。；博斯特罗姆，A。；大型，J。；Keogh，E.，《伟大的时间序列分类烘烤：最近算法进展的回顾和实验评估》，Data Min.Knowl。发现。，31, 606-660 (2017)
[2] 巴格纳尔，A。；Lines，J。；维克斯，W。；Keogh，E.，《UEA和UCR时间序列分类库》（2018），网址：www.timeseriesclassification.com
[3] 伯恩特·D·J。；Clifford，J.，《在时间序列中发现模式：动态编程方法》，（《知识发现和数据挖掘进展》（1996），AAAI/MIT出版社：AAAI/MIT-Press-Menlo-Park），229-248
[4] Box，G.E.公司。；詹金斯，G.M。；Reinsel，G.C.公司。；Ljung，G.M.，《时间序列分析：预测和控制》（2015），威利：威利·霍博肯
[5] Breiman，L.，《随机森林》，马赫。学习。，45, 5-32 (2001) ·Zbl 1007.68152号
[6] Chang，J。；达菲尔德，N。；镍，H。；Xu，W.，单调路径的特征反转，电子。Commun公司。概率。，22, 1-11 (2017) ·Zbl 1378.60056号
[7] Chen，K.-s，路径的积分——非交换形式幂级数对路径的忠实表示，Trans。阿默尔。数学。Soc.，89，395-407（1958年）·Zbl 0097.25803号
[8] Chen，T。；Guestrin，C.，XGBoost:一个可扩展的树增强系统，（第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集（2016），ACM:ACM纽约），785-794
[9] I.雪佛兰。；Kormilitzin，A.，《机器学习中的签名方法入门》（2016），arXiv:1603.03788
[10] I.雪佛兰。；Lyons，T.，几何粗糙路径上测度的特征函数，Ann.Probab。，44, 6, 4049-4082 (2016) ·Zbl 1393.60008号
[11] I.雪佛兰。；Oberhauser，H.，表征随机过程定律的特征矩（2018），arXiv预印本arXiv:1810.10971
[12] Chollet，F.，Keras（2015），在线阅读：https://github.com/keras-team/keras
[13] 法瓦兹，H.I。；福雷斯蒂尔，G。；韦伯，J。；Idoumghar，L。；Muller，P.-A，时间序列分类的深度学习：综述，Data Min Knowl。发现。，33, 917-963 (2019) ·Zbl 1458.68196号
[14] 费拉蒂，F。；Vieu，P.，《非参数函数数据分析：理论与实践》（2006），Springer:Springer New York·Zbl 1119.62046号
[15] Flint，G.公司。；汉堡，B。；Lyons，T.，离散采样信号和粗糙Hoff过程，随机过程。申请。，126, 2593-2614 (2016) ·Zbl 1348.60058号
[16] Friedman，J.H.，《贪婪函数近似：梯度提升机》，Ann.Statist。，29, 1189-1232 (2001) ·Zbl 1043.62034号
[17] Friz，P.K。；Victoir，N.B.，（《作为粗糙路径的多维随机过程：理论与应用》，多维随机过程作为粗糙路径：理论和应用，剑桥高等数学研究，第120卷（2010），剑桥大学出版社：剑桥大学出版社）·Zbl 1193.60053号
[18] 快速抽签！dataset（2017），“谷歌公司根据知识共享署名4.0国际许可证提供的数据。可从以下网址获得：https://github.com/creativelab/quickdraw-dataset”
[19] Graham，B.，《在线字符识别的稀疏签名数组》（2013），arXiv:1308.0371
[20] 格雷文，S。；克雷尼西亚努，C。；Caffo，B。；Reich，D.，纵向功能主成分分析，（功能数据分析和相关主题的最新进展（2011），Springer），149-154
[21] Gyurkó，L.G。；莱昂斯，T。；康托夫斯基，M。；Field，J.，《从财务数据流的签名中提取信息》（2014），arXiv:1307.7244
[22] Hairer，M.，解KPZ方程，数学年鉴。，178, 559-664 (2013) ·Zbl 1281.60060号
[23] 汉堡，B。；Lyons，T.，有界变差路径和约化路径群签名的唯一性，数学年鉴。，171, 109-167 (2010) ·Zbl 1276.58012号
[24] Hamilton，J.D.，《时间序列分析》（1994），普林斯顿大学出版社：普林斯顿大学出版·Zbl 0831.62061号
[25] 快，画！涂鸦识别挑战赛（2018），可从以下网站获得：https://www.kaggle.com/c/quickdraw-doodle-recognition/overview
[26] F.J.基拉利。；Oberhauser，H.，《有序数据的内核》，J.Mach。学习。决议，20，1-45（2019年）·兹比尔1483.62144
[27] Kokoszka，P。；Oja，H。；Park，B。；Sangalli，L.，《功能数据分析专刊》，《经济》。Stat.，1，C，99-100（2017）
[28] Kormilizin，A。；桑德斯，K。；哈里森，P。；Geddes，J。；Lyons，T.，签名方法在CEQUEL临床试验中的模式识别应用（2016），arXiv:1606.02074
[29] Lai，S。；Jin，L。；Yang，W.，使用递归神经网络和长度规范化路径签名描述符进行在线签名验证，（第14届IAPR文件分析与识别国际会议论文集，第1卷（2017），IEEE），400-405
[30] 莱文，D。；Lyons，T。；Ni，H.，《从过去中学习，预测未来的统计数据，学习进化系统》（2013），arXiv:1309.0260
[31] 刘，M。；Jin，L。；Xie，Z.，PS-LSTM：使用路径签名和LSTM捕获重要的连续在线信息，用于作者识别，（第14届IAPR文件分析与识别国际会议论文集，第1卷（2017），IEEE），664-669
[32] Lütkepohl，H.，《多重时间序列分析新导论》（2005），《施普林格：施普林格柏林》·Zbl 1072.62075号
[33] Lyons，T.J.，《粗糙信号驱动的微分方程》，马特·伊贝罗姆评论。，14, 215-310 (1998) ·Zbl 0923.34056号
[34] Lyons，T.J。；卡鲁阿纳，M。；Lévy，T.，（由粗糙路径驱动的微分方程。由粗糙路径推动的微分方程，数学课堂讲稿，第1908卷（2007），施普林格：施普林格-柏林）·Zbl 1176.60002号
[35] Lyons，T。；Ni，H.等人。；Oberhauser，H.，流的特征集和高频金融滴答数据的应用，（2014年大数据科学与计算国际会议论文集（2014），ACM），5
[36] Lyons，T.J。；Xu，W.，签名的双曲线发展和反转，J.Funct。分析。，272, 2933-2955 (2017) ·Zbl 1362.53009号
[37] Lyons，T。；Xu，W.，反转路径的签名，J.Eur.Math。Soc.，20，1655-1687（2018）·Zbl 1429.70012号
[38] Malekzadeh，M。；克莱格·R·G。；卡瓦拉罗。；Haddadi，H.，《保护感官数据免受敏感推断的影响》，（分布式系统中设计的隐私第一次研讨会论文集（2018年），ACM:ACM纽约）
[39] Malekzadeh，M。；克莱格·R·G。；卡瓦拉罗。；Haddadi，H.，移动传感器数据匿名化，（国际物联网设计与实现会议论文集（2019），ACM:ACM纽约），49-58
[40] 帕克，S.Y。；Staicu，A.-M.，《纵向功能数据分析》，《统计》，4，1，212-226（2015）
[41] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；格里塞尔，O。；布隆德尔，M。；普雷滕霍弗，P。；韦斯，R。；杜堡，V。；范德普拉斯，J。；帕索斯，A。；库纳波，D。；布鲁彻，M。；佩罗，M。；Duchesnay，E.，Scikit-learn：《蟒蛇中的机器学习》，J.Mach。学习。第12号决议，2825-2830（2011年）·Zbl 1280.68189号
[42] J.O.拉姆齐。；Silverman，B.W.，功能数据分析（2005），Springer:Springer New York·Zbl 1079.62006号
[43] Reizenstein，J。；Graham，B.，The iisignature library:高效计算迭代积分签名和对数签名（2018），arXiv:1802.08252·Zbl 1484.68346号
[44] 萨拉蒙，J。；雅各比，C。；Bello，J.P.，《城市声音研究的数据集和分类法》，（第22届ACM国际多媒体会议论文集（2014），ACM），1041-1044
[45] Shumway，R.H。；Stoffer，D.S.，《时间序列分析及其应用：以R为例》（2017），Springer:Springer New York·Zbl 1367.62004号
[46] Wilson-Nunn，D。；Lyons，T。；Papavasiliou，A。；Ni，H.，在线阿拉伯语手写识别的路径签名方法，（IEEE第二届阿拉伯语和派生脚本分析与识别国际研讨会论文集（ASAR）（2018），IEEE），135-139
[47] 杨伟（Yang，W.）。；Jin，L。；Liu，M.，使用路径签名特征、笔划和深度CNN进行汉字级作者识别，（第十三届国际文档分析与识别会议论文集（2015），IEEE），546-550
[48] 杨伟（Yang，W.）。；Jin，L。；Liu，M.，Deepwriterid：一个端到端的在线文本相关作者识别系统，IEEE Intell。系统。，31, 45-53 (2016)
[49] 杨伟（Yang，W.）。；Lyons，T。；镍，H。；施密德，C。；Jin，L。；Chang，J.，《利用路径签名进行基于骨骼的人类行为识别》（2017），arXiv:1707.03993
[50] Ye，J。；小林，T。；Murakawa，M.，基于本地和全球特征聚合的城市声音事件分类，Appl。灰尘。，117246-256（2017）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。