Abstract

1. 데이터 마이닝에서 TSC는 중요하고 도전적인 문제이다.
2. 이용가능한 시계열 데이터의 증가로, 수 많은 TSC 알고리즘들이 제시되었다.
3. 이 방법들 중에, 이 분야에서 딥러닝 을 활용한 방법은 극히 일부이다.
4. 이것은 놀랍다. 딥러닝이 최근에 아주 성공적으로 활용되는 것으로 봤을 때
5. DNN은 물론 컴퓨터 비전 분야에서 특히 혁신적이다. 새로운 깊은 구조의 출현으로. RNN과 CNN 같은
6. 이미지와 별개로, 텍스트나 오디오 같은 시계열 데이터는 딥러닝을 처리될 수 있다. sota 성능에 도달하기 위해. 문서 분류와 음성 인식에서
7. 이 논문에서, 우리는 연구한다 현재 최고의 시계열 딥러닝 알고리즘을 시계열을 위한 최근 딥러닝 구조의 경험적 연구를 제시하는 것으로
8. 이 논문에서 우리는 대부분의 성공적인 딥러닝 방법들을 요약해서 제공한다.
   1. 다양한 시계열 도멘인에서 TSC를 위한 딥러닝 분류 방법에 대한
9. 우리는 또한 오픈소스 딥러닝 프레임워크 TSC 커뮤니티에 제공한다. 그 곳은 우리가 각각의 비교된 방법을 구현했고 그것들을 1차원 TSC 벤치마크와 12채널 시계열 데이터 셋에서
10. 97개의 시계열 데이터셋에서 8730 딥러닝 모델을 훈련하는 것으로, 우리는 대부분의 철저한 연구를 제시한다.