Indexed by：
Abstract：
本发明公开了一种基于数据增强的神经网络时间序列分类方法，首先，对时间序列数据集进行预处理；其次，选择合适的参数α对训练数据进行Mixup数据增强，增强后的数据用于模型训练；接着，构建LSTM‑FCN时间序列分类网络模型；最后，以交叉熵函数作为损失函数，使用反向传播和梯度下降算法Adam训练LSTM‑FCN网络。本发明的基于数据增强的时间序列分类方法有效提高了神经网络的时间序列分类性能。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202110179057.2
Filing Date： 2021-02-09
Publication Date： 2021-06-25
Pub. No.： CN113035361A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
