الشبكات العصبية المتعددة الطبقات LSTM-FCNs للتصنيف الزمني المتعدد المتغيرات

خلال العقد الماضي، حظيت تصنيف السلاسل الزمنية المتعددة المتغيرات باهتمام كبير. نقترح تحويل النماذج الحالية لتصنيف السلاسل الزمنية الأحادية المتغير إلى نموذج لتصنيف السلاسل الزمنية المتعددة المتغيرات من خلال تحسين الكتلة الشاملة للتحويلات بالكتلة الضاغطة والمحفزة (Squeeze-and-Excitation Block) لتحسين الدقة بشكل أكبر. أثبتت النماذج المقترحة تفوقها على معظم النماذج الرائدة في المجال مع الحاجة إلى أقل قدر من المعالجة السابقة. تعمل هذه النماذج بكفاءة عالية في مهام تصنيف السلاسل الزمنية المتعددة المتغيرات المعقدة مثل التعرف على الأنشطة أو التعرف على الحركات. بالإضافة إلى ذلك، فإن هذه النماذج ذات كفاءة عالية أثناء الاختبار وصغيرة بما يكفي لتثبيتها في أنظمة ذات قيود في الذاكرة.