Laiko eilutes transformuojančių į vaizdus, siekiant taikyti CNN klasifikavimo uždaviniui spręsti, metodų tyrimas
Straipsniai
Rugilė Vasaitytė
Vilniaus universitetas
Publikuota 2025-05-12
https://doi.org/10.15388/LMITT.2025.27
PDF

Kaip cituoti

Vasaitytė, R. (2025) “Laiko eilutes transformuojančių į vaizdus, siekiant taikyti CNN klasifikavimo uždaviniui spręsti, metodų tyrimas”, Vilnius University Open Series, pp. 238–244. doi:10.15388/LMITT.2025.27.

Santrauka

Tyrimas nagrinėja laiko eilučių transformavimą į vaizdus, siekiant taikyti konvoliucinius neuroninius tinklus (angl. Convolutional Neural Networks, CNN) klasifikavimui. Apžvelgiami trys metodai: Gramo kampinis sumavimo laukas (angl. Gramian Angular Summation Field, GASF), Gramo kampinis skirtumų laukas (angl. Gramian Angular Difference Field, GADF) bei Markovo perėjimo laukai (angl. Markov Transition Field, MTF). CNN modelis pritaikytas šešiems skirtingiems duomenų rinkiniams, transformuotiems minėtais metodais. Rezultatai rodo, kad metodų efektyvumas priklauso nuo duomenų pobūdžio, tačiau GADF dažniau pasiekė geresnius rezultatus. Pateikiamos rekomendacijos, kaip pasirinkti tinkamiausią transformaciją klasifikavimo tikslumui gerinti.

PDF
Kūrybinių bendrijų licencija

Šis kūrinys yra platinamas pagal Kūrybinių bendrijų Priskyrimas 4.0 tarptautinę licenciją.

Atsisiuntimai

Nėra atsisiuntimų.