无反向传播时序分类首次系统评估
热点事件持续更新
无反向传播时序分类首次系统评估
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者Miha Kapš等人提出将三种无反向传播学习规则应用于单变量时间序列分类任务。 基于1D卷积架构，在UCR档案的112个数据集上完成首次系统性评估。结果显示优化后学习器平均F1分数为0.76至0.79。 该性能低于基准模型ROCKET（0.83）和InceptionTime（0.84），表明无反传学习在时序分类中仍逊于传统方法。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
无反向传播深度学习在时间序列分类中的系统性研究报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · AI无反向传播深度学习在时间序列分类中的系统性研究
研究者将三种无反向传播学习规则应用于 1D 卷积架构，在 UCR 档案 112 个数据集上完成首次系统性评估。 优化后学习器平均 F1 分数为 0.76 至 0.79，低于 ROCKET 的 0.83 和 InceptionTime 的 0.84。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月2日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。